EStudo Empírico da Conduta Competitiva das Companhias
Transcrição
EStudo Empírico da Conduta Competitiva das Companhias
Dados Internacionais de Catalogação-na-Publicação (CIP) Divisão de Informação e Documentação Lovadine, Débora Estudo Empírico da Conduta Competitiva das Companhias Aéreas Brasileiras / Débora Lovadine. São José dos Campos, 2006. 101f. Tese de Mestrado – Curso de Engenharia de Infra-Estrutura Aeronáutica – Área de Transporte Aéreo e Aeroportos. Instituto Tecnológico de Aeronáutica, 2006. Orientador: Prof. Dr. Alessandro Vinícius Marques de Oliveira. 1. Transporte Aéreo. 2. Organização Industrial. 3. Antitruste. I. Comando-Geral de Tecnologia Aeroespacial. Instituto Tecnológico de Aeronáutica. Divisão de Engenharia de Infra-Estrutura Aeronáutica. II.Título (tamanho 10) REFERÊNCIA BIBLIOGRÁFICA – (negrito, tamanho 12) LOVADINE, Débora. Estudo Empírico da Conduta Competitiva das Companhias Aéreas Brasileiras. 2006. 101. Tese de Mestrado – Instituto Tecnológico de Aeronáutica, São José dos Campos. (tamanho 12) CESSÃO DE DIREITOS – (negrito, tamanho 12) NOME DO AUTOR: Débora Lovadine. TÍTULO DO TRABALHO: Estudo Empírico da Conduta Competitiva das Companhias Aéreas Brasileiras. TIPO DO TRABALHO/ANO: Tese / 2006. É concedida ao Instituto Tecnológico de Aeronáutica permissão para reproduzir cópias desta tese e para emprestar ou vender cópias somente para propósitos acadêmicos e científicos. O autor reserva outros direitos de publicação e nenhuma parte desta tese pode ser reproduzida sem a sua autorização (do autor). (tamanho 12) Débora Lovadine Rua João Graner, 244 – Algodoal 13405-465 – Piracicaba – SP. ESTUDO EMPÍRICO DA CONDUTA COMPETITIVA DAS COMPANHIAS AÉREAS BRASILEIRAS Débora Lovadine Composição da Banca Examinadora: Prof. Dr. Carlos Müller – Presidente – ITA Prof. Dr. Alessandro Vinícius Marques Oliveira – Orientador - ITA Prof. Dr. Rodrigo Arnaldo Scarpel - ITA Prof. Dr. Nicolau Dionísio Fares Gualda – Poli/USP ITA ii RESUMO O objetivo da presente pesquisa é estudar a conduta competitiva das companhias aéreas brasileiras nas principais ligações do país, utilizando modelagem teórica e estimação paramétrica. A metodologia consiste no desenvolvimento de um modelo empírico de oferta e demanda que permita a estimação de um parâmetro indicativo da conduta das firmas; se cooperativa (com racionalidade de cartel), ou não-cooperativa (competitiva). Essa abordagem metodológica, desenvolvida dentro da Nova Organização Industrial Empírica, concentra-se nos efeitos das práticas colusivas tendo por isso, a vantagem de não depender de evidências de conluio, como a existência de comunicação entre as empresas envolvidas; com ela, é possível averiguar se houve alterações no comportamento das firmas nesse mercado e consequentemente no exercício do poder de mercado, seja por conseqüência de acordos de compartilhamento de aeronaves (ex. code-share Varig - Tam), seja por causa de alianças comerciais diversas, explícitas ou tácitas e até por mudanças conjunturais (ex. desvalorização cambial). Busca-se também, incorporar um maior refinamento ao modelo através do método de reamostragem chamado Bootstrap. Através dele, é possível computar medidas mais precisas para estatísticas (ex. desvio-padrão) utilizadas na realização de testes de hipótese para a conduta. Os resultados indicaram a não rejeição de conduta competitiva entre as firmas, ou seja, não há indícios de cooperação (com racionalidade de cartel) entre as empresas do setor nas rotas estudadas. A desvalorização cambial não se configurou como um fator de redução da competição; pelo contrário, intensificou a conduta competitiva das firmas. iii ABSTRACT The present work aims at studying the competitive conduct of Brazilian’s airlines on the main routes of the country, using theoretical model of competition and parametric estimation. The methodology consists of an empirical model of supply and demand wich permits the estimation of a parameter indicative of the firm´s conduct; if it is a cooperative situation (cartel rationality) or a non-cooperative situation (competitive market). This methodology, developed within the framework of the New Empirical Industrial Organization, focuses in the effects of collusive actions, having therefore the advantage of being independent of evidences of collusion such as the existence of previous communication among firms; with such approach, we are able to investigate changes in firm’s behavior and consequently the execise of market power, either because of code sharig or differents kinds of commercial alliances or by conjunctural changes. Moreover, this research aims at incorporating a refinement by using a resampling method called Bootstrap. With bootstraping, it is possible to compute more accurate measures of the standard deviation of estimates and therefore to have more reliable tests of hypotheses about firms's conduct. The results indicate the non rejection of the non-cooperative conduct among firms, meaning the absence of evidence of coordination among firms on routes under. The exchange rate devaluation did not present any effect in soothing competition; on the contrary, it intensificated the competitive conduct among firms. iv Agradecimentos A Deus, pela vida. Ao professor e orientador Alessandro de Oliveira, pelos valiosos ensinamentos, paciência e atenção dedicada. Aos professores Carlos Müller e Anderson Correia, pelas pertinentes sugestões e opiniões. A meus pais, Benedito e Rosângela, pelo incentivo constante. A meu irmão, André, pelo companheirismo e críticas construtivas. A meus avós, em especial, vô Francisco (in memmoriam) pelo apoio e exemplo de vida. Aos amigos e a todos que direta ou indiretamente colaboraram para a concretização desse trabalho. À FAPESP, pelo apoio financeiro. v Sumário 1. INTRODUÇÃO ....................................................................................................................9 2. BREVE DESCRIÇÃO DO SETOR..................................................................................10 2.1 Relevância ...................................................................................................................... 10 2.2 Aspectos da demanda .....................................................................................................11 2.3 Aspectos da oferta .......................................................................................................... 14 2.4.1 Barreiras à entrada ................................................................................................... 17 2.4.2 Excesso de capacidade.............................................................................................18 2.4.3 Economias de densidade, de escala e custos ...........................................................20 3. DESREGULAMENTAÇÃO DO SETOR ........................................................................23 4. POLÍTICA ANTITRUSTE ...............................................................................................28 4.1 Condutas ......................................................................................................................... 30 5. MODELOS TEÓRICO E EMPÍRICO ............................................................................ 36 5.1 Modelo Teórico .............................................................................................................. 36 5.2 Modelo Empírico............................................................................................................ 43 6. DADOS ................................................................................................................................ 47 6.1 Estimador, Endogeneidade e Instrumentos ....................................................................50 6.2 Estimação em dois estágios, desvios padrões incorretos e bootstrap............................. 52 7. RESULTADOS E DISCUSSÃO ....................................................................................... 54 7.1 Demanda......................................................................................................................... 54 7.2 Relação de Oferta ........................................................................................................... 58 7.3 Testes de hipótese para conduta ..................................................................................... 62 8. CONCLUSÃO.....................................................................................................................64 BIBLIOGRAFIA .................................................................................................................... 66 APÊNDICE 1- Identificação e escolha de instrumentos ..................................................... 70 APÊNDICE 2 - Estimação em dois estágios e desvios padrões incorretos ........................72 vi APÊNDICE 3 - Bootstrap e correção de desvios-padrões ...................................................75 ANEXO 1 - Estimações e testes de hipótese ........................................................................78 vii Índice de Figuras Figura 1 - Evolução da participação do mercado doméstico (market share) das empresas aéreas brasileiras. ................................................................................................................... 15 Figura 2 - Tráfego, oferta e excesso de capacidade. ............................................................19 Figura 3 – Evolução da oferta e demanda no transporte aéreo regular para linhas domésticas durante a liberalização do setor.........................................................................25 Figura 4 – Lucratividade da indústria de transporte aéreo regular em linhas domésticas. .................................................................................................................................................. 25 Figura 5 – Evolução da participação das principais despesas nos custos do transporte aéreo doméstico (em %). ........................................................................................................26 Figura 6 – Obtenção de lucro econômico. ............................................................................29 viii Índice de Tabelas e Quadros Tabela 1 – Evolução de passageiros embarcados pago (em mil), 2000 a 2004..................14 Tabela 2 – Evolução de assentos-km ofertados (em mil), 2000 a 2004. .............................16 Quadro 1 –Características possíveis facilitadoras de cooperação entre firmas................33 Tabela 3 – Estatítica descritiva .............................................................................................50 Tabelas 4 – Resultados da estimação da equação de demanda – Gol...............................55 Tabelas 5 – Resultados da estimação da equação de demanda – TAM............................55 Tabelas 6 – Resultados da estimação da equação de demanda – Varig ...........................55 Tabelas 7 – Resultados da estimação da equação de demanda – Vasp ............................ 56 Tabela 8 – Elasticidades .........................................................................................................58 Tabela 9 – Relação de Oferta - Gol ......................................................................................60 Tabela 10 – Relação de Oferta - TAM..................................................................................60 Tabela 11 – Relação de Oferta - Varig .................................................................................60 Tabela 12 – Relação de Oferta -Vasp ................................................................................... 61 Tabela 13 – Teste de conduta – Caso Base ...........................................................................63 Tabela 14 – Teste de conduta – Efeito da taxa de câmbio ..................................................63 Tabela 15 – Estatística descritiva de preços......................................................................... 63 9 1. INTRODUÇÃO O setor de transporte aéreo, considerado de caráter estratégico para governos e analistas setoriais, ao realizar a integração intra-regional e internacional, cumpre importante papel estimulando relações econômicas e o intercâmbio de pessoas e mercadorias no âmbito nacional e internacional. Além disso, sua interação com a indústria aeronáutica propicia acesso a inovações tecnológicas advindas de desenvolvimento de conhecimentos que abrangem desde produtos até métodos de gerência (logística, tomada de decisão, simulações). No Brasil, durante os anos noventa, o setor passou por um processo gradual de desregulamentação e encontra-se atualmente liberalizado. Um mecanismo amplamente utilizado para promover o bem-estar econômico em mercados oligopolísticos recentemente liberalizados trata-se da política antitruste. No setor aéreo, uma das atribuições principais da política antitruste diz respeito ao chamado “controle de condutas”, que tem se intensificado nos últimos anos em virtude, principalmente, das alianças firmadas entre as firmas. Diante desse novo cenário, a preocupação é garantir um grau de competição “saudável”, evitando que a maior aproximação entre as firmas facilite a implementação de uma conduta cooperativa (com racionalidade de cartel) e resulte em abusos do poder de mercado. Um de seus exemplos mais relevantes foi o caso de condenação das companhias aéreas da Ponte Aérea RJ-SP, pelo Conselho Administrativo de Defesa Econômica - CADE, em 1999. Nesse trabalho será desenvolvida uma modelagem empírica de “parâmetro de conduta”, utilizando-se como base os chamados “modelos de parâmetro de conduta” propostos por Bresnaham (1982) dentro da abordagem da Nova Organização Industrial Empírica - NOIE, com dados coletados junto ao Departamento de Aviação Civil para as principais ligações do país. Assim, através de modelos estruturais aliados a um extenso 10 aparato econométrico, é possível averiguar os atuais comportamentos das firmas e também verificar se eventos relevantes para o setor (ex. desvalorização cambial) modificaram o grau de competição no mercado. Espera-se que essa proposta metodológica se torne um ferramental adicional para os tomadores de decisão em análise a casos de infrações à ordem econômica e que de forma geral, o trabalho contribua para o esclarecimento de questões acerca do funcionamento de mercados desregulamentados para condução adequada de políticas antitruste. Propõe-se ainda, a utilização de um procedimento de reamostragem simples, porém pouco explorado pela literatura, chamado bootstrap. Através dele, objetiva-se oferecer um refinamento adicional ao modelo, trazendo um fator diferencial para o presente trabalho. 2. BREVE DESCRIÇÃO DO SETOR 2.1 Relevância O setor de transporte aéreo cumpre importante papel estimulando as relações econômicas e o intercâmbio de pessoas e mercadorias no âmbito nacional e internacional. Considerado de caráter “estratégico” pelos governos e analistas setoriais, congrega as seguintes características: Na economia; estimula o comércio interno e internacional, além de acordos de longa distância que necessitam de presença física das partes envolvidas e incentiva o turismo possibilitando a entrada de divisas e a geração de renda para pontos turísticos. No âmbito social; conecta cidades e regiões cujo acesso via outros modais é difícil, promovendo a inserção social, econômica e cultural. 11 No âmbito tecnológico; sua interação com a indústria aeronáutica é um dos responsáveis pelo estímulo à inovação com respeito ao desenvolvimento de novos produtos (aeronaves e equipamentos) e métodos de gerência (logística, tomada de decisão, simulações). 2.2 Aspectos da demanda Na busca por identificar os “consumidores” do serviço de transporte aéreo, Berry, Carnal e Spiller (1996) constataram a existência de dois tipos distintos de passageiros: um com atributos típicos de “viajante a turismo” - alta sensibilidade a preço, baixa propensão a pagar por altas freqüências de vôos e baixa desutilidade por vôos com conexão - e outro, com atributos que configuram o padrão de “viajante a negócio” - baixa sensibilidade a preço, alta propensão a pagar por altas freqüências de vôos e alta desutilidade por vôos com conexão. Essa segmentação também pode ser visualizada no mercado doméstico, onde há predominância dos “viajantes a negócio”. Segundo estudo realizado pela Sindicato Nacional das Empresas Aeroviárias - SNEA, cerca de 71% das viagens realizadas no país no período de 1980 a 1996 foram viagens de negócios. Tal fato se reflete na baixa elasticidade preço da demanda agregada, de –0,439 para o período de 1978 a 1997 e de –0,438 de 1994 a 1997, encontradas em estudos realizados pela Secretaria de Acompanhamento Econômico – SEAE (Tavares, 1999). Outra característica da demanda diz respeito a sua alta relação com o PIB. No mercado de transporte aéreo, a demanda por viagens aéreas acompanha as oscilações no produto, ou seja, existe relação positiva entre a renda gerada pela economia e viagens aéreas. Mudanças proporcionais na renda provocam mudanças mais do que proporcionais na demanda por viagens aéreas, indicando elasticidade-renda da demanda elástica (maior do que um). Segundo 12 estudos realizados pela SEAE, a elasticidade renda da demanda foi de 1,067 tanto nos períodos de 1978 a 1997 quanto para o período de 1994 a 1997 (Tavares, 1999). Existe uma discussão recorrente no setor a respeito da percepção dos passageiros com relação aos atributos oferecidos pelas firmas, o que implicaria classificar o “produto” transporte aéreo como homogêneo ou heterogêneo. Lovadine e Oliveira (2005) explicam que, com o processo de desregulamentação, houve uma evolução nos padrões competitivos entre as companhias aéreas, que apresentaram maior diferenciação dos atributos oferecidos aos passageiros. Estudando o mercado específico de Ponte Aérea os autores tratam o produto como heterogêneo, corroborando a idéia de Borenstein (1989) e Berry (1990), de que passou-se a entender a competição no setor como sendo a rivalidade entre firmas que são distintas entre si, que possuem atributos diversos que são efetivamente percebidos pelo consumidor. Estes atributos distintos adviriam de: 1. vantagens competitivas referentes à rota, como, por exemplo, diferentes escalas de operação, com diferentes números de freqüências diárias de vôo, o que gera assimetrias com relação às distâncias entre horário de vôo ofertado e horário desejado de partida (chamado de “schedule delay”); diferentes posicionamentos de oferta nos horários de pico, com diferentes apelos aos passageiros com viagens por motivos de negócios; diferentes padrões de serviços de atendimento ao consumidor, presença de frills antes e durante o embarque, tipo de aeronave, etc; e 2. vantagens competitivas referentes ao aeroporto e à cidade, por exemplo: tamanhos diferentes de rede doméstica e internacional, participação em alianças globais de companhias aéreas, número de cidades atendidas, níveis de propaganda, características do programa de milhagem, restrições verticais com relação aos agentes de viagem, etc. 13 Além disso, com o aparecimento das chamadas “companhias aéreas de baixo custo, baixo preço” e sua penetração cada vez maior nos mercados aéreos em todo o mundo, a tendência dos trabalhos acadêmicos tem sido a de considerar este setor como típico de produto diferenciado, dada a clara distinção entre os padrões de serviço e a forma de atuação das novas entrantes e as incumbentes. Exemplos desse tipo de análise, onde se assume o produto diferenciado entre as chamadas “network carriers” e as “low cost carriers” são os trabalhos de Windle e Dresner (1999), Boguslaski, Ito e Lee (2004) e Oliveira e Huse (2005). Mas, como anteriormente ressaltado, essa questão ainda não é consensual, tanto que a maioria dos conselheiros do Conselho Administrativo de Defesa Econômica - CADE (representado por Farina, 2004;), em análise ao caso da Ponte Aérea Rio de Janeiro – São Paulo, optaram por assumir que o produto é homogêneo nesta ligação. Com relação ao grau de substitubilidade inter-modal aéreo e terrestre (representado pelo ônibus), o trabalho de Turolla, Oliveira e Vassalo (2005) mostra que os passageiros de ônibus classificados como “premium”, isto é, aqueles têm alta sensibilidade à qualidade do ônibus e estão dispostos a pagar por altas tarifas são os efetivos consumidores marginais nesse mercado; logo, eles constituem um conjunto pequeno de passageiros que consideram a mudança de transporte significativa quando as diferenças de preço se reduzem. Assim, o transporte aéreo se configura numa alternativa viável para a classe de passageiros de ônibus que atribuem grande valor à qualidade do serviço e que irão optar pelo transporte aéreo durante períodos de guerra de preços ou de descontos. A Tabela 1 apresenta a evolução de passageiros embarcados pagos durante o período de 2000 a 2004. Nota-se que houve oscilações no período, mas que a tendência ainda é crescente. O maior número registrado de passageiros é no ano de 2004 (cerca de 31 bilhões) e a maior taxa de crescimento ocorreu entre os anos de 2003 e 2004 (9,82%). 14 Tabela 1 – Evolução de passageiros embarcados pago (em mil), 2000 a 2004. ano passageiros embarcados pago variação (%) 2000 2001 2002 2003 2004 28.016.184 29.885.764 30.137.835 28.312.724 31.094.369 6,67 0,84 -6,06 9,82 Fonte: Anuários - DAC 2.3 Aspectos da oferta A oferta de transporte aéreo é realizada por firmas que se distinguem por operar vôos em trechos nacionais ou regionais 1. De fato, essa distinção não se estende mais à classificação das firmas uma vez que em 2000, o Departamento de Aviação Civil - DAC instituiu que se devia utilizar apenas o termo “empresas aéreas brasileiras”. Essa decisão advém do fato de ser extremamente difícil realizar uma delimitação exata, ou definir um fator 2 que permita a distinção sobre o que é uma firma regional e o que é uma firma nacional. Uma diferenciação que é pertinente ao setor diz respeito a empresas de transporte aéreo regular e não regular. Segundo estatísticas do DAC (2006) foram listadas trinta e quatro empresas cadastradas no ramo de transporte aéreo regular no país e treze no ramo de transporte aéreo não-regular. Do total de empresas regulares, cinco aguardam pela concessão de autorização para iniciar atividade e outras cinco estão com atividades paralisadas. Das empresas aéreas não regulares, as que se dedicam ao transporte de passageiros ou de passageiros e cargas são cinco. Apesar de um número expressivamente grande de empresas, o mercado de empresas regulares, alvo desse trabalho, é concentrado em poucas firmas. A Figura 1 mostra a evolução da participação do mercado das principais companhias aéreas brasileiras. Pode-se observar 1 As linhas regionais compreendem as rotas domésticas de pequeno curso, que servem de afluência e são complementares às linhas aéreas nacionais. Tais rotas são, em geral, pouco movimentadas e ligam aeroportos de segunda e terceira categorias, que não podem receber aviões de médio e grande porte (Widmer, 1984). 2 Os fatores que chegaram a ser utilizados para fazer essa distinção foram além da delimitação espacial, a presença de escala e a etapa média do vôo. 15 que desde o início do período até 1997 havia a dominância do mercado por três firmas: Varig, Vasp e Transbrasil. A partir do respectivo ano, a TAM desponta como uma das grandes e logo em seguida a Gol também, enquanto que há o declínio da Vasp e Transbrasil. Em 2003, as três maiores empresas (TAM, VRG e Gol) detinham mais de 80% do mercado. 60% Participação no mercado doméstico, em %. VRG 45% VSP 30% TAM TBA GOL 15% Novatas 0% 1970 1973 1976 1979 1982 1985 1988 1991 1994 1997 2000 2003 Figura 1 - Evolução da participação do mercado doméstico (market share) das empresas aéreas brasileiras. Fonte: Oliveira (2005a). Existe ainda uma segmentação entre as firmas surgida no pós-desregulamentação e que convém tecer algumas considerações. Full Service Carrier - FSC (Empresa de serviço completo) e Low Cost Carrier - LCC (Empresa de baixo custo) são as classificações que surgiram dada a observância de que existiam estratégias reconhecidamente distintas entre as firmas, assim como nichos de mercados que as diferenciavam. No Brasil, a Gol foi considerada uma LCC, enquanto que as outras eram as legacy ou FSC. Oferecendo serviço básico de transporte aéreo, sem frills e com preços baixos, e sobretudo com baixos custos e escolha cuidadosa de rotas, a Gol se tornou uma das empresas mais bem sucedidas e vendas diretas aos consumidores com penetração crescente no mercado. 16 As características mais marcantes das LCC são: padronização da frota; simplificação ou eliminação de serviço de bordo; opção por utilização de aeroportos secundários e menos congestionados; utilização da venda pela internet de passagens; rede de trabalho com estrutura simples de ponto a ponto com ausência ou fraca propensão a realizar vôos de longas distâncias; programa de freqüência de vôo simples ou inexistente; alto nível de utilização da frota e empregados altamente motivados. Além disso, as LCCs estão tipicamente associadas a estratégia de preços muito agressiva, tipicamente usando uma estrutura de tarifa simplificada e baixas tarifas. Assim, o surgimento das LCC acirrou a competição no mercado e essa parece ser a tendência crescente para os próximos anos, conforme aponta Oliveira (2005b, p.2): “ Following the successful paradigm of the pioneer Southwest Airlines, in the United States, airlines such as Ryanair and EasyJet, in Europe, flourished in the market, and soon the concept has spread worldwide. Moreover, this segment is expected to expand considerably within the next few years, and this has undoubtedly been forcing legacy carriers to respond progressively - a movement that is shaping the frontiers of competition in the industry.” A Tabela 2 apresenta a evolução de assentos-km ofertados, durante o período de 2000 a 2004. Observa-se uma leve tendência decrescente nos assentos-km ofertados, sendo que o maior valor para o período foi registrado no ano de 2002 e a maior variação percentual positiva foi entre 2000 e 2001. Tabela 2 – Evolução de assentos-km ofertados (em mil), 2000 a 2004. ano assentos-km ofertados variação (%) Fonte: Anuários – DAC 2000 2001 2002 2003 2004 41.562.143 45.313.616 47.013.166 41.850.561 42.756.200 9,03 3,75 -10,98 2,16 17 2.4 Características do mercado Em estudos estruturais é de essencial relevância que sejam identificadas as principais características do mercado com o qual se trabalha. Essas características direcionam na formulação de hipóteses sobre como as firmas se comportam nesse mercado. 2.4.1 Barreiras à entrada 3 Franco et all (2002) descrevem os vários tipos de barreiras observadas nesse setor: i) barreira institucional; a necessidade de autorização para concessão de rotas e regulação de oferta para serviços aeroportuários pode efetivamente impedir a livre entrada (e, portanto, a contestabilidade) de novas empresas. ii) barreira física; representada pelo tamanho das aeronaves em conjunto com a infraestrutura aeroportuária. Segundo Ragazzo (2006), os serviços oferecidos pelo aeroporto, como: alocação de espaços de tempo para decolagens e aterrissagens (slots) e de portões de embarque (gates), sistemas de controle de tráfego aéreo, instalações de movimentação de passageiros, bagagens, manutenção, (entre vários outros) podem importar em verdadeira limitação física do número de companhias. iii) barreira econômica; representada pela exigência de grande capital investido para o início do negócio, operação e manutenção, além da dificuldade na aquisição de financiamento. iv) barreira informacional; significando a ausência ou escassez de conhecimento por parte das firmas sobre aspectos da demanda. v) 3 barreira à entrada de empresas estrangeiras no mercado. Bain (1956) define barreiras à entrada como vantagens que as firmas estabelecidas possuem sobre os competidores potenciais, sendo que estas vantagens se refletem na capacidade de elevar persistentemente os preços acima do nível competitivo sem atrair novas firmas para a indústria. 18 Ragazzo (2006), ainda acrescenta mais duas possíveis barreiras: vi) barreira gerada pela “reputação”; representada pelo fato de que as companhias aéreas incumbentes têm evidentes vantagens competitivas frente a novas empresas, seja por possuírem programas de milhagem ou estreito contato com agências de viagem, o que reafirma a lealdade do consumidor às marcas das empresas com tradição. vii) barreiras artificiais através da prática de preços predatórios; representada pela prática de preços predatórios 4 da incumbente diante da ameaça de uma empresa LCC. O autor destaca que essa prática reiterada poderá gerar uma nova barreira à entrada, conhecida como a barreira de reputação predatória. Justamente em função da reputação predatória, as empresas incumbentes não necessitam se engajar em estratégias anticompetitivas com freqüência, criando-se na verdade, uma barreira artificial advinda ataques anteriores (histórico predatório). Isso seria o suficiente para evitar a entrada de novos concorrentes. 2.4.2 Excesso de capacidade Segundo Wells e Wensveen (2003), as companhias aéreas vão inevitavelmente incorrer em excesso de capacidade, até mesmo numa fase de expansão econômica. Isso porque o excesso é resultado de dois fatores, independentes do andamento da economia: i) importância competitiva da tabela de freqüência; dado que a programação de horários conveniente é uma das mais importantes características de diferenciação das companhias, todas as companhias se empenham por uma programação de alta freqüência em toda rota importante. 4 Segundo Pindyck e Rubinfeld (2002), preço predatório é definido como a prática de estabelecer preços que excluem a concorrência e desencorajam novas empresas a entrar no mercado, de tal modo que se obtenham maiores lucros futuros. 19 ii) altos custos fixos incorridos pela companhia aérea; que, como conseqüência, são incentivadas a voar o máximo possível, até mesmo se um vôo incremental não produza receita suficiente para cobrir totalmente os custos fixos. Mas, sempre que o vôo cubra os custos variáveis e contribua com as despesas gerais, é melhor a firma voar do que não voar. De qualquer modo, a acumulação de muita programação marginalmente justificada cria excesso de capacidade para a indústria como um todo. A Figura 2 mostra o excesso de capacidade durante o período de 1970 a 2005, medidos pela diferença entre assentos-quilômetros ofertados (AKO) e passageiros-quilômetros pagos (PKP). Pode-se notar que houve aumento capacidade ociosa (diferença entre AKO e PKP) durante o período – de uma média de 5,4 bilhões de (1970-1991) para níveis de 14,6 bilhões (1992-2004). Segundo Oliveira (2005a), este aumento no sistema pode, potencialmente, provocar acirramentos competitivos de curto prazo no setor, dada a maior necessidade de preencher assentos vazios em uma indústria onde o produto é marcado pela perecibilidade. 50.0 45.0 40.0 AKO Em bilhões 35.0 30.0 25.0 PKP 20.0 15.0 10.0 5.0 0.0 1970 1975 1980 1985 1990 1995 2000 Figura 2 - Tráfego, oferta e excesso de capacidade. Fonte: Oliveira (2005a). 2005 20 2.4.3 Economias de densidade, de escala e custos Em transporte aéreo, afirma-se que há retornos de densidade crescentes se os custos médios caem à medida que uma empresa adiciona novos vôos ou assentos em vôos já existentes, mantendo-se inalterados o fator de aproveitamento, a etapa média de vôo e o número de aeroportos servidos. Se, sob as mesmas restrições, os custos médios se mantiverem constantes, diz-se que a empresa opera sob retornos constantes de densidade. No caso de os custos médios crescerem, então se diz que a empresa opera em regime de retornos decrescentes de densidade. Já no que diz respeito aos retornos de escala, diz-se que estes existem se os custos médios de uma empresa caírem com a adição de vôos para um novo aeroporto não servido previamente, sem que isso afete o fator de aproveitamento geral, a etapa média de vôo e nem a densidade de serviço por aeroporto. De forma análoga ao ilustrado para o caso de retornos de densidade, diz-se que os retornos de escala são constantes (crescentes) se a adição de vôos para um novo aeroporto mantiver constante (aumentar) os custos médios da empresa, sob as mesmas restrições. O trabalho de Berry, Carnall e Spiller (1997) mostra que, no lado dos custos, encontrou-se forte evidência de economias de densidade. Além disso, observaram também que companhias operando grandes hubs 5, na média, tiveram significantes reduções no custo marginal, em relação às que operam fora do hub, para as mesmas rotas. E também acrescentam que as economias de densidade podem depender da natureza da rota, dado que não foram encontradas economias de densidade em distâncias menores que 500 milhas ou menos. Com relação aos custos das empresas no setor, Caves e Christensen (1980) relatam que na literatura norte-americana existem três fortes crenças sobre as estruturas dos custos. A 5 Dá-se o nome de hub aos aeroportos que destacam-se no contexto de um país ou região como foco de grande número de vôos. 21 primeira é que existem custos unitários de serviço rapidamente declinantes dentro de um mercado, considerando o “mercado” como par-de-cidade (Bailey e Panzar, 1981; Keeler, 1978; White, 1979); a segunda é que existem aproximadamente retornos constantes à escala para companhias aéreas que alcançaram determinado tamanho (Caves, 1962; Douglas e Miller, 1974; Keeler, 1978; White, 1979) e; a terceira é que há economias de escala que podem ser mais exploradas pelas pequenas empresas do que pelas grandes, considerando que as menores tem custos unitários mais altos do que as grandes. Segundo Betancor e Nombela (2001) a categorização dos custos constitui uma questão essencial no processo de decisão das companhias. Ela facilita a avaliação de novos investimentos ou a adoção de adequadas políticas de preço (Doganis, 1995). A classificação dos custos realizados é resultado das práticas contábeis, apesar de ser na verdade afetado pela regulação da International Civil Aviation Organization - ICAO e procedimentos recomendados. Para a ICAO, a prática normal é subdividir entre custos operacionais e nãooperacionais, com o objetivo de dividir os custos derivados da principal atividade da companhia daqueles itens gerados de operações não relacionadas com seu principal objetivo ou que não tem relação estreita com as operações típicas da companhia pelo serviço (ex. custos financeiros, diferenças entre equipamentos residuais e valores de realização de mercado, perdas de operações de troca de dinheiro ou perdas de companhias afiliadas, etc...). Os custos operacionais podem ainda ser diretos ou indiretos. A ICAO considera três tipos de custos diretos (operações de vôo, manutenção e depreciação) e cinco outras categorias de custos indiretos (serviços ao passageiro, venda de passagens e promoção, gerais, administrativos e outros). Dentre eles, o apontado como mais oneroso, cujo primeiro componente é o custo com tripulação (piloto, co-piloto e engenheiro de vôo). Outros elementos considerados nessa categoria são: combustível para aeronave e óleo, equipamento 22 de vôo e segurança, aluguel de equipamento de vôo, treinamento de tripulação (não amortizável) e outros gastos com vôo. Os custos operacionais podem ainda ser classificados como fixos ou variáveis dependendo da relação com a produção. Companhias de transporte aéreo produzem serviços aéreos para passageiros e carga, no entanto, quando se tenta medir produto, surgem muitas definições por parte das companhias. Passageiros-km disponível ou transpotados, toneladaskm disponíveis ou transportada, número de horas voadas, número de km voados ou número de aterrissagens, são todas medidas alternativas de produto para as companhias. Mesmo assumindo uma definição adequada de “produto” para determinada firma, a questão de quais custos vão ser assumidos fixos quando a produção se alterar e quais custos vão ser variáveis, não tem uma resposta simples. Pensando no caso de um vôo cancelado, alguns custos podem ser evitados e conseqüentemente variáveis (ex: combustível, refeição, serviço de bordo), enquanto outros podem ser parcialmente evitados. Betancor e Nombela (2001, p.3) esclarecem a idéia: “ For instance, cabin crew subsistence and overtime costs could be escapable if a flight is cancelled, though fixed salaries could not be. In addition, some costs that are clearly fixed in the short run will become variable when a longer perspective is adopted. The schedule program of services might vary from one term to another, and therefore, by changing flight plans some cost components might be now escapable. For example aircrafts might be sold and, as a result, the depreciation costs reduced.” De acordo com a categorização de custos da ICAO, não é possível distinguir todos os itens de custo e então é muito difícil separar especificamente o que é variável ou não no curto ou médio prazo. No entanto, como Doganis (1995) aponta, cerca de 90% dos custos totais das 23 companhias podem variar no médio prazo (o período de um ano), já descontando todos os operacionais, fato crucial para o cálculo do custo marginal. Como principais componentes, quatro podem ser citados: câmbio, combustível, pessoal e encargos (tributos/ tarifas/juros). Destes, o câmbio tem significativa relevância, já que a aviação tem uma relação comercial muito estreita com o mercado internacional (compra/aluguel de aeronaves, peças de reposição, seguros, combustível etc.), qualquer variação cambial pode reduzir ou aumentar os custos das empresas. Dados do Departamento de Aviação Civil (DAC), de 2001, mostram que o câmbio foi o principal item de custo das empresas aéreas, responsável por cerca de 28,7% dos custos totais. Pessoal e encargos, segundo item de custo mais importante, reflete o modelo de gestão das companhias. Existem ainda outros, de participação reduzida e que se referem à relação direta com cliente, como: marketing, bilhetagem, lojas/balcões para atendimento, sistemas de bônus, serviço de bordo etc. Todos esses indicadores têm custos diferenciados. 3. DESREGULAMENTAÇÃO DO SETOR A liberalização do transporte aéreo brasileiro iniciou-se nos anos noventa e envolveu um conjunto de medidas chamado de “Política de Flexibilização do Transporte Aéreo”. Consistiu num processo gradual de flexibilização constituído por três etapas liberalizadoras (Oliveira, 2005c). A primeira etapa de liberalização aconteceu em 1992. A partir dela, os monopólios regionais, exceto no caso das linhas aéreas especiais 6, foram definitivamente abolidos. Com a 6 São denominadas linhas aéreas especiais as ligações que envolvem vôos entre pares de aeroportos centrais das cidades de São Paulo, Rio de Janeiro, Belo Horizonte e Brasília. 24 extinção da política de “quatro companhias nacionais e cinco regionais” observaram-se uma série de pequenas novas companhias aéreas entrantes no mercado (ex. Pantanal, Tavaj, Meta, Rico, etc.). Nessa etapa, também ficou determinado o alargamento das bandas tarifárias ao redor dos preços de referência, gerando maior liberdade, ainda que restrita, para variações de preços. Assim, os limites inferior e superior, que eram de –25% a +10% passaram a ser de – 50% a +32%, respectivamente. Segundo Oliveira (2005c), nesse novo cenário, a competição em preços era vista como “saudável” para a indústria e passou a ser incentivada. Nesse sentido, as bandas tarifárias eram consideradas instrumentos temporários para intensificar a rivalidade de preços. No entanto, os preços ainda eram, de certa forma, indexados, já que as tarifas de referência eram controladas e sujeitas às políticas de reajustes periódicos. No final dos anos noventa (início de 1998) aconteceu a segunda etapa de liberalização. Nesse momento, foram removidos os dois dispositivos de controle da competição que ainda perduravam no setor: as bandas tarifárias e a exclusividade do direito das regionais operarem as linhas aéreas especiais. Nesse novo ambiente liberalizado, houve elevação de 22,4% na oferta (ass.km oferecidos) para as linhas domésticas, de 1997 para 1998 (Figura 3). Em contrapartida, no mesmo período, a lucratividade da indústria (linhas domésticas) reduziu percentuais (de 10,63% para 2,42%) (Figura 4). 8,21 pontos 25 Figura 3 – Evolução da oferta e demanda no transporte aéreo regular para linhas domésticas durante a liberalização do setor. Fonte: Anuário DAC (2001). De fato, durante o ano de 1998 foram observados fenômenos de “guerras de preços” e “corridas por freqüência”, que nada mais representavam que os ajustes de curto prazo das novas medidas implementadas, mas que provocaram uma movimentação competitiva como não se via pelo menos desde a década de sessenta (Oliveira, 2005c). Figura 4 – Lucratividade da indústria de transporte aéreo regular em linhas domésticas. Fonte: Anuário DAC – Dados Econômicos (2001). A andamento do processo de liberalização foi significativa e negativamente afetado com a mudança no regime cambial em 1999. A elevada desvalorização ocorrida em janeiro daquele ano provocou grande impacto no desempenho da atividade do transporte aéreo, tendo 26 em vista que o componente câmbio é extremamente representativo na composição de custos das empresas, dada a sua dependência de insumos cotados em dólares tais como: leasing, seguro e manutenção (Figura 5). A maxidesvalorização da moeda afetou ainda as receitas, tendo em vista a diminuição constatada na demanda de passageiros. Assim, houve em um primeiro momento, uma tendência generalizada à suspensão das tarifas promocionais vigentes e, em seguida, a necessidade de um realinhamento de preços face ao choque nos custos (Anuário DAC, 2001). 30.00 25.00 Em % 20.00 15.00 10.00 5.00 0.00 1996 1997 1998 1999 2000 Encargos com Pessoal Câmbio Combustível Despesas Comerciais 2001 Figura 5 – Evolução da participação das principais despesas nos custos do transporte aéreo doméstico (em %). Fonte: Anuário DAC – Dados Econômicos (2001). No entanto, diante de aumentos de preços em diversos setores da economia, o Ministério da Fazenda não permitiu que os preços dessa indústria fossem realinhados. Tal fato representou uma limitação às estratégias das firmas, dado que o controle dos reajustes de preços foi novamente posto em prática, na forma da necessidade de autorização prévia do DAC e do Ministério da Fazenda (Oliveira, 2005c). Em 2001 ocorreu a terceira etapa de liberalização do setor. Através de um acordo entre o DAC e o Ministério da Fazenda, os mecanismos de regulação econômica que ainda existiam no setor foram removidos, inclusive a interferência macroeconômica. Assim, além da 27 liberalização dos preços, houve a flexibilização dos processos de entrada de novas firmas e de pedidos de novas linhas aéreas, freqüências de vôo e aviões, em um processo que culminou com a entrada da Gol, em janeiro de 2001. Em 2003, diante de um novo governo federal e de novas políticas setoriais, as autoridades reguladoras voltaram a interferir no mercado, buscando controlar o que foi chamado de “excesso de capacidade” e o acirramento da “competição ruinosa” no mercado. Pedidos de importação de novas aeronaves, novas linhas e mesmo de entrada de novas companhias aéreas, somente seriam aceitos mediante apresentação de estudos de viabilidade econômica prévia, configurando-se uma situação semelhante ao do período regulatório típico. No entanto, havia uma grande diferença neste caso, uma vez que não houve interferência na precificação das companhias aéreas, ou seja, não houve re-regulação tarifária (Oliveira 2005c). Em 27 de setembro de 2005 foi criada, através da lei nº 11.182, a Agência Nacional de Aviação Civil (ANAC). A entidade é integrante da Administração Pública Federal indireta, submetida a regime autárquico especial, vinculada ao Ministério da Defesa. De acordo com a lei, é competência da União, por intermédio da ANAC e nos termos das políticas estabelecidas pelos Poderes Executivo e Legislativo, regular e fiscalizar as atividades de aviação civil e de infra-estrutura aeronáutica e aeroportuária. Não é, porém, atribuição da ANAC, julgar casos de infração à ordem econômica. Ao tomar conhecimento de fato que comprometa a defesa e a promoção da concorrência, deverá comunicá-lo aos órgãos e entidades específicos (SEAE e CADE) para que adotem as providências cabíveis. A Empresa Brasileira de Infra-Estrutura Aeroportuária (Infraero) continua com a função atual, ou seja, responsável pela gestão dos aeroportos brasileiros. Já a Aeronáutica, que 28 era responsável pelo Departamento de Aviação Civil (DAC), continua responsável pela segurança e prevenção de acidentes no setor e regulamentação técnica. 4. POLÍTICA ANTITRUSTE Diante de um ambiente liberalizado e mudanças no ambiente competitivo provocado por inovações de ordem tecnológica, organizacional e institucional, que por sua vez, é resultado da intensificação das relações internacionais no processo denominado globalização, assistiu-se a um processo de reestruturação produtiva de vários setores, representado pelo crescente número de alianças, fusões e aquisições no cenário empresarial (Farina, 2005). Nesse cenário, o papel do Estado regulador cede espaço para os órgãos de defesa da concorrência que, através de um conjunto de mecanismos legais e institucionais chamado de “política antitruste”, almejam a eficiência econômica dos mercados através da promoção e estímulo à competição. Segundo Farina (2005), a competição é visualizada pela perspectiva do lucro que estimula e orienta os negócios privados em uma economia de mercado, sinalizando oportunidades de investimento para as firmas incumbentes e para as potenciais entrantes. Assim, a principal justificativa econômica para a política de defesa da concorrência é proteger e até mesmo intensificar a força competitiva, que se supõe constituir o mecanismo mais eficaz para alcançar a eficiência produtiva, o vigor da inovação técnica e a criação de novos produtos.Por outro lado, o lucro obtido através do abuso de poder de mercado é amplamente condenado, uma vez que geralmente é resultado de uma estratégia implementada com dano à concorrência. Ou seja, num mercado oligopolista, alguns atos de concentração e conduta 29 coordenada podem ocasionar um comportamento idêntico que é tão efetivo em restringir a produção e aumentar preços como um cartel explícito. Como resultado, além de inviabilizar a entrada de novos competidores, tem-se o aumento da ineficiência 7 do mercado (ver Figura 6). Eficiência Ineficiência Lucro econômico Competição Abuso ou aumento de poder de mercado - conduta coordenada - atos de concentração Figura 6 – Obtenção de lucro econômico. Assim, a política antitruste é realizada através de instrumentos de intervenção nos quais as autoridades podem atuar, tanto de maneira repressiva quanto preventiva, com relação aos atos considerados lesivos à competição (atos de concentração, como fusões e incorporações, ou práticas de articulação de mercado, como colusão tácita, coordenação de preços e quantidades). São dois os seus tipos de processos: o controle da estrutura da indústria, voltado para o controle da formação de poder de mercado 8; e o controle das condutas, que se preocupa em coibir os abusos do poder de mercado que seja eventualmente detido por uma ou mais firmas da indústria. Esses processos podem envolver duas dimensões: 7 A ineficiência de um mercado é identificada pela magnitude com que sua estrutura gera o chamado “peso morto”. Quanto maior o poder de mercado, maior o aumento na capacidade de gerar “peso morto”. 8 Segundo Kupfer e Hasenclever (2002), poder de mercado é a capacidade de restringir a produção e aumentar preços de modo a, não atraindo novos competidores, obter lucro acima do normal; é definido como poder de fixar preços significativa e persistentemente acima do nível competitivo, isto é, dos custos médios. 30 a horizontal, quando as empresas objeto são competidoras em um mercado; e a vertical, que envolve empresas situadas em diferentes níveis da cadeia produtiva. No transporte aéreo, a preocupação com o aumento do poder de mercado se torna substancialmente maior após a segunda etapa de liberalização. Num ambiente liberalizado, as autoridades antitruste receiam que ocorra aumento na concentração do setor, quer através de alianças ou de acordos operacionais, e se reduza a contestabilidade pela existência de barreiras à entrada (Oliveira, 2005c). As instituições governamentais incumbidas da investigação antitruste no Brasil são a Secretaria de Direito Econômico (SDE) e o Conselho Administrativo de Defesa Econômica (CADE), vinculados ao Ministério da Justiça, e a Secretaria de Acompanhamento Econômico (SEAE), no Ministério da Fazenda. Enquanto a SDE tem um papel de acompanhamento e de instauração de processo administrativo para apuração de infrações, o CADE possui caráter judicante, de decisão, julgando os processos instaurados por aquela. Já à SEAE cumpre o papel de elaborar parecer econômico e proceder com investigações, em coordenação com os demais órgãos. 4.1 Condutas O alvo desse trabalho será unicamente o estudo das condutas, ou seja, o estudo do comportamento competitivo das firmas no mercado, deixando a cargo de outros trabalhos ou pesquisa futura, os atos de concentração. No setor aéreo, diante de um ambiente liberalizado, assistiu-se a um processo de reestruturação produtiva, com mais intensidade no que diz respeito à formação de alianças estratégicas, quer sejam domésticas ou internacionais. Assim, criou-se possibilidade atrativa de aumentar o lucro econômico através de redução de custos e aumento da eficiência 31 resultantes de algumas ações operacionais conjuntas, tais como: coordenação do fluxo de passageiros e bagagem, divisão de recursos dos aeroportos (portões de embarque, balcões de check-in e tripulação de solo) e esforços combinados de promoção e propaganda. A despeito das vantagens apontadas, os órgãos antitrustes também estão atentos à possibilidade de que acordos entre firmas facilitem a implementação de conduta cooperativa (com racionalidade de cartel 9) e resulte em abusos do poder de mercado, ameaçando a concorrência. Sob essa suspeita, o pool na Ponte-Aérea Rio de Janeiro – São Paulo foi alvo de investigação pelo CADE. A investigação teve início após uma conduta verificada em 1999, quando as quatro companhias que operavam a Ponte Aérea Rio de Janeiro – São Paulo aumentaram seus preços no mesmo dia, em um mesmo percentual de dez por cento. Nesse processo, aberto sob a alegação de “conduta combinada e uniforme”, as empresas foram condenadas pela prática de infração a ordem econômica e penalizadas com pagamento de multa. Oliveira e Turolla (2005), utilizando “modelos de parâmetro conduta” da Nova Organização Industrial Empírica - NOIE, realizaram a tarefa de averiguar se a conduta observada realmente representou, do ponto de vista econômico, uma efetiva coordenação com racionalidade de cartel. Os resultados empíricos indicaram que não foi possível rejeitar a hipótese de que as empresas mantiveram uma conduta não-cooperativa no mercado, ao contrário do que foi decidido pelas autoridades antitruste. Segundo os autores, a principal conclusão é que as movimentações paralelas de preços de agosto de 1999 não acarretaram efeitos relevantes sobre o mercado, representando muito provavelmente apenas uma tentativa de realinhamento de receitas unitárias diante choque cambial do início daquele ano, não tendo sido capazes de representar um efetivo distanciamento de referenciais competitivos no mercado. 9 Segundo Pindyck e Rubinfeld (2002), cartel é definido como um mercado no qual algumas ou todas as empresas fazem acordos explicitamente e coordenam preços e níveis de produção de maneira que possam maximizar seu lucro conjunto. 32 As condutas coordenadas ou cooperativas são representadas por situações em que as firmas combinam preços e quantidades de modo colusivo, produzindo ineficiência ao mercado. Ou seja, em mercados oligopolistas, condutas anti-competitivas podem produzir um resultado de equilíbrio similar a um cartel explícito. A ação integrada e informal entre as firmas pode ocasionar um comportamento idêntico, que é tão efetivo em restringir a produção como um cartel explícito, em que não há testemunhas ou documentação para provar a conspiração. A realização de condutas coordenadas geralmente é feita através de uma colusão tácita, caso em que as firmas realizam acordos sem que se tornem explicitamente públicos. Essa idéia também é apresentada no trabalho de Oliveira e Turolla (2005), que não descartam a hipótese de que as companhias aéreas possam vir a ter acordos facilitados pela sinalização de preços através de seu sistema de reservas – ATPCO. Existem também, características próprias do setor que podem facilitar esses acordos, conforme aponta Matsumura e Figueira de Mello (2005) e que são apresentadas no Quadro 1. 33 Quadro 1 –Características possíveis facilitadoras de cooperação entre firmas. Mercado • Alto grau concentração de Num mercado em que poucos concorrentes dominam parcela substancial do mercado, aumenta a possibilidade de cooperação entre os agentes. As dificuldades de ingresso de novas firmas em determinado • Grande presença de mercado permite que haja menor contestabilidade no barreiras à entrada mercado 10, gerando lucros não efêmeros. • Baixa assimetria de A disponibilidade de informações está diretamente ligada à informação entre os formação de estratégias. A facilidade de comunicação entre as empresas permite que as estratégias sejam estabelecidas agentes conjuntamente, muitas vezes com racionalidade de cartel e dano à concorrência. Além disso, com informação perfeita, o desvio do acordo pode ser detectado imediatamente e a punição torna o desvio não lucrativo. • Repetição e A repetição e freqüência da interação entre as firmas gera um freqüência da histórico de possíveis ações e previsibilidade dos resultados das estratégias que são jogadas com freqüência. interação Demanda • Baixa elasticidade À medida que os consumidores se mostram menos sensíveis às variações de preço do produto ou serviço (demanda da demanda inelástica a preço), maior a margem para aumento de preços realizado pelos ofertantes. Os preços de conluio são fracamente pró-cíclicos e a • Ciclo de amplitude do ciclo de preços de conluio é maior quando a crescimento da duração esperada da expansão é menor e a da recessão é maior demanda (Bagwell e Staiger,1997). Oferta • Homogeneidade das Firmas que são mais parecidas tendem a entrar em conluio mais facilmente, dadas as similaridades em termos de firmas estrutura organizacional e de precificação. • Homogeneidade dos Existe maior facilidade de realização de combinação de preços se os produtos oferecidos pelas firmas são mais parecidos. produtos Além das características acima apontadas, a implementação e manutenção do conluio tácito dependem ainda dos seguintes fatores (Matsumura e Figueira de Mello, 2005). Facilidade em coordenação; deve-se ter claro um equilíbrio de conluio sem que seja necessário um acordo formal. 10 Segundo Baumol (1982), um mercado considerado contestável é aquele em que as firmas entrantes não sofrerão qualquer desvantagem em termos de técnicas de produção ou de qualidade do produto em relação às firmas já participantes, e que as entrantes em potencial achem apropriado julgar a lucratividade da entrada em termos dos preços já praticados no mercado antes de sua entrada. 34 Facilidade em detectar os desvios; variáveis relevantes para tal devem ser observadas ou então, as firmas devem ser capazes de fazer inferências do comportamento das rivais a partir de informações próprias. Facilidade em fazer cumprir o acordo; a ameaça de punição deve ser crível, isto é, as firmas devem ter o incentivo a punir eventuais desvios. Assim, a decisão de acatar ou desviar de um acordo depende: dos ganhos do desvio em relação às perdas potenciais (isto é, as perdas com a punição vezes a probabilidade de ser descoberto) e, portanto, a solução cooperativa é estável se os ganhos com o desvio não superarem as perdas potenciais. da credibilidade da punição: como a punição envolve custos também para quem vai exercê-la, o incentivo por trás de uma estratégia de conluio deve ser o de que a firma prefere retaliar a acomodar um potencial desvio (Motta, 2004). A detenção de poder de mercado é condição necessária, mas não suficiente para haver ilicitude. Atos ilícitos dependem ainda da constatação de efeitos anticompetitivos que decorram de uma conduta ou de um ato de concentração. Algumas condutas restritivas ou certos atos de concentração, mesmo que provoquem efeitos negativos sobre a concorrência, podem também gerar ganhos de eficiência que os compensem. Dentre os ganhos típicos de eficiência figuram: reduções de custo associadas a economias de escala e escopo, aumentos de produtividade ou qualidade, aperfeiçoamentos tecnológicos, economias de custos de transação, etc. Nesses casos, há consenso no sentido de que tais condutas ou atos de concentração não devem ser proibidos quando seus eventuais efeitos restritivos forem devidamente compensados pelas eficiências por eles geradas; caso contrário, a aplicação da lei provocaria ineficiências nos mercados e teria um resultado contrário ao interesse social (Kupfer e Hasenclever, 2002). 35 Na legislação brasileira, a ilegalidade de uma conduta depende de se verificar se ela produz certos efeitos, que são apresentados nos seguintes termos: “ limitar, falsear ou de qualquer forma prejudicar a livre concorrência ou a livre iniciativa; dominar mercado relevante de bens e serviços; aumentar arbitrariamente os lucros; exercer de forma abusiva posição dominante”(Lei 8.884, de 11 de junho de 1994). A lei elenca também, um conjunto de condutas típicas que se caracterizam como infrações à ordem econômica, mas que é meramente exemplificativo, não esgotando todas as condutas possíveis. Na visão dos órgãos antitruste, são consideradas condutas nocivas à concorrência aquelas implementadas por empresas que detêm poder sobre determinado mercado, das quais são exemplo a prática de cartel, a prática de preços predatórios, as vendas casadas, os acordos de exclusividade, a discriminação de preços, a fixação de preços de revenda e as restrições territoriais. Os efeitos são descritos na lei de modo genérico, ficando a cargo da análise econômica identificá-los nos casos concretos e ponderá-los com eventuais eficiências. O importante, do ponto de vista jurídico, é que qualquer conduta – prevista ou não prevista expressamente na lei – pode ser considerada ilegal, e que tal ilegalidade dependerá sempre da análise dos efeitos econômicos – considerados em termos líquidos (Kupfer e Hasenclever, 2002). O procedimento de análise de uma conduta se inicia com o encaminhamento de um formulário para que os cidadãos denunciem a existência de infrações à ordem econômica à Secretaria de Acompanhamento Econômico do Ministério da Fazenda (SEAE/MF). Com base na informação prestada, a SEAE analisará a pertinência da denúncia e, uma vez caracterizados os indícios da existência da infração, recomendará a abertura de um processo administrativo contra os infratores. Iniciado o processo administrativo, será instruída representação a ser encaminhada à SDE; a SDE pode promover Averiguação Preliminar ou instaurar diretamente Processo Administrativo. O CADE julga, então, com base nas opiniões da SEAE e da SDE à 36 respeito da configuração ou não de infração à ordem econômica. Nas análises de condutas anticompetitivas, a manifestação da SEAE é facultativa. 5. MODELOS TEÓRICO E EMPÍRICO 5.1 Modelo Teórico Modelos de conduta, em última instância, têm como objetivo identificar o exercício do poder de mercado. Isso porque, algumas condutas, assim como alguns atos de concentração podem, conforme apontado pela Figura 6 no tópico 4, conduzir à praticas abusivas ou de excesso de poder de mercado e conseqüentemente gerar ineficiência. Até o início dos anos 80, a identificação de poder de mercado era feita através da estimação da performance das firmas, exercício desenvolvido pela abordagem da EstruturaConduta-Desempenho, conhecida como ECD. Ao assumir a existência de uma relação causal estável entre as estrutura da indústria, a conduta da firma e a performance do mercado, acreditava-se que a partir de um conjunto de variáveis estruturais observáveis seria possível explicar as diferenças interindústria na performance de mercado e particularmente, o poder de mercado. E ainda que, medidas de poder de mercado podiam ser calculadas de dados disponíveis (medidas de lucratividade). Dados contábeis poderiam ser usados para construir aproximação do índice de Lerner ou lucros econômicos. Várias críticas surgiram à essa abordagem tais como: i) é assumido que a estrutura da indústria determina causalmente seu desempenho, quando o desempenho pode influenciar a estrutura da indústria; ii) medidas de concentração pouco refletem o nível de poder de mercado de uma indústria, já que não levam em conta as elasticidades da demanda, incentivos 37 aos produtores e entrada potencial de competidores; e principalmente; iii) informações corretas sobre custos marginais podem não existir. Diante dessa última razão, tem-se que, tanto pela endogeneidade das variáveis estruturais ou pela pouca confiabilidade de dados contábeis, as formas tradicionais de calcular poder de mercado baseados no paradigma ECD, implicariam resultados inadequados para medir o desempenho das indústrias. Com o surgimento da corrente da Nova Organização Industrial Empírica (NOIE), foi desenvolvida uma nova forma de identificação do poder de mercado. A abordagem NOIE consiste em associar modelos teóricos de competição (com componentes da teoria dos jogos) à utilização de métodos econométricos na investigação empírica. Trata-se, dessa forma, de uma abordagem estrutural, porque envolve o uso de teoria para especificar a estrutura da demanda e oferta, e identificar a conduta da firma. As vantagens dessa nova abordagem em relação à ECD são apontadas por Church e Ware (2000): i) dados contábeis de custos não são usados; assim, medidas significativas de custo marginal são assumidas como não-observáveis. Isso significa que margens preço-custo e a observação direta do índice de Lerner não são possíveis ou não são significativas; ii) o foco em estimar poder de mercado é uma única indústria. Logo, hipóteses falsas considerando simetria na indústria não são necessárias; iii) o comportamento da firma ou da indústria é estimado baseado em modelos teóricos de oligopólio, o que permite testar o grau do poder de mercado; iv) o grau do poder de mercado pode ser identificado e estimado e sua inferência é baseada na conduta das firmas. Dentro dessa nova abordagem, Bresnaham (1982, p.87) desenvolveu os chamados “modelos de parâmetro de conduta”, cuja idéia é resumida nos seguintes termos: “ A parameter indexing the oligopoly solution concept is econometrically identified. It is identified by standard econometric methods, even when no cost or profit data are available, and when the demand and cost curves must be estimated 38 as well. That is, the comparative statistics of equilibrium, as price and quantity are moved by exogenous variables, reveal the degree of market power.” Assim, grande avanço dessa modelagem com relação ao proposto pela linha da ECD é o fato de que não são necessários mais os dados de custo marginal e de poder de mercado, mas apenas deslocadores de custo. Essa metodologia tem ainda a vantagem de não depender de informações a respeito da comunicação prévia entre as empresas. No entanto, tais informações são importantes para compor o total de documentos necessários para uma análise completa de um caso antitruste. Desse modo, optou-se por essa última abordagem para a realização desse trabalho e especificamente, pela aplicação dos “ modelos de parâmetro de conduta” desenvolvidos por Bresnahan, dentro da NOIE. A clássica descrição dessa metodologia se resume na estimação de equações de demanda e oferta, representando o comportamento das firmas por parâmetros desconhecidos a ser estimados chamados de “parâmetros de conduta”. A partir de então, inferências sobre poder de mercado tornam-se factíveis quantitativamente na forma de simples testes de hipóteses como, a de concorrência competitiva (ausência de interação estratégica) e da maximização conjunta de lucros (coordenação ou colusão), bem como hipóteses intermediárias, típicas de modelos oligopolísticos. Diferentes estratégias de equilíbrio das firmas são derivadas de condições de maximização do lucro, que por sua vez, são sensíveis ao jogo que as firmas costumam jogar, a informação da estrutura e o tipo de produto assumido. Por exemplo, competição perfeita, Bertrand, Cournot ou equilíbrio de Stackelberg direcionam o modelo para diferentes condições de maximização de lucro e, logo, diferentes equações estruturais das quais se derivam os parâmetros estimados. 39 Assim, antes de proceder à especificação do modelo, serão apresentadas as duas hipóteses que definirão o tipo de equilíbrio competitivo: Tipo de produto 11 – No setor, existe uma discussão proeminente sobre o “produto” transporte aéreo ser homogêneo ou heterogêneo. Segundo Oliveira & Turolla (2005), o período pós-regulatório apresentou mudanças nas características do setor que o transformaram de produto homogêneo para heterogêneo. Com o aumento da competição, houve estímulo em oferecer produtos com maior diferenciação de atributos (programas de milhagem, com diferentes estruturas de premiação; graus diferentes de dominância das freqüências ao longo de um dia e também nos horários de pico), que são efetivamente perceptíveis ao consumidor. Corroborando a idéia dos autores, nesse trabalho será adotada a hipótese de produto heterogêneo. Tipo de Jogo – Adotou-se como jogo o padrão estabelecido por Bertrand, de jogo estático em preços. O uso dos preços como variável estratégica é procedimento padrão em caso de mercados com produto heterogêneo. O mercado será modelado como estrutura de duopólio, em que tem-se uma firma base versus uma média ponderada das demais. Essa forma de modelagem está fundamentada na hipótese do “oponente médio” desenvolvida por Slade (2004), em que o preço da rival é uma média ponderada do preço das oponentes. A função de demanda de cada firma foi baseada no trabalho de Slade (2004) e será representada por: q rt = q( p rt , p rt− , Ω, β ) + ε rt = β 0 + β 1 p rt + β 2 p rt− + φ (Ω) + ε rt 11 (1) A importância da adoção de hipótese sobre o tipo de produto advém do fato de que o resultado de equilíbrio competitivo para um mercado depende dessa decisão. Ao assumir que um produto é homogêneo, estamos também assumindo que o resultado não-cooperativo (competitivo) desse mercado seria o preço se igualando ao custo marginal. Ao assumir que o produto é heterogêneo (diferenciado) tem-se que o equilíbrio do resultado não-cooperativo (equilíbrio de Bertrand-Nash) seria um preço acima do custo marginal. Slade (2004) já apontou que é comum observar, em mercados oligopolísticos, margens positivas sobre o custo marginal advindas da estrutura do mercado e da diferenciação de produto. 40 Onde q rt é a quantidade demandada da firma, na rota r, no mês t; p rt e p rt− são, respectivamente, o próprio preço e o do oponente médio; Ω é um vetor de deslocadores da demanda e os β ' s são parâmetros. De (1), segue-se a condição de primeira ordem para maximização de lucros em relação à variável estratégica preço (p) 12: Max p rt q rt − ct rt (q rt , Φ ) → p p dq dct dq +q+ =0 dp dq dp (2) Onde: o termo p rt q rt representa a receita da firma e ct rt é a função custo total e Φ é um vetor de deslocadores de custos da firma ( dct / dq ) sendo o custo marginal da firma, na rota r, no mês t, cmg rt . O termo dq / dp pode ser então desenvolvido de modo a incorporar crenças, ou seja, conjeturas sobre a forma em que as firmas oponentes variam seus preços, caso uma firma varie seu preço. Isso pode ser representado por dp − / dp , que surge conforme o desenvolvimento abaixo : dq ∂q dq dp − = + = β1 + β 2θ dp ∂p dp − dp (3) Esse termo, dp − / dp , denominado θ , é então o chamado parâmetro de conduta, através do qual é possível testar hipóteses a respeito das variações conjeturais das firmas no mercado. 12 A maximização de lucros em relação ao preço, p, advém da adoção da hipótese, anteriormente justificada, de que se trata de um jogo estático em preços. 41 Com a inserção de (3) em (2), e juntamente com alguma manipulação algébrica, chega-se ao formato final da condição de primeira ordem, que nesse caso, também é considerada a relação de oferta da firma: p = cmg − 1 q β1 + β 2θ (4) Onde cmg é o custo marginal. Ao adotar a hipótese de variações conjeturais, θ pode ser considerado um índice de competição média da conduta do oligopólio, capaz de representar benchmarks relevantes como comportamento do equilíbrio de Nash em preços (Bertrand-Nash) e desvios deste equilíbrio não-cooperativo. Desse modo, têm-se duas situações de referência: (i) Se θ = 0 , estamos diante da hipótese clássica de variações conjeturais nulas em preços de Bertrand ( dp − / dp = 0 ), ou seja, não há reação no preço das rivais diante de uma mudança no preço de uma das firmas. Caso estivéssemos em um mercado com produto homogêneo, essa situação resultaria em preço igual ao custo marginal. Mas, pelo fato de os consumidores perceberem as firmas como distintas (produto heterogêneo), o comportamento de “tomador de preço” não leva ao resultado de competição perfeita, mas sim a preços superiores ao custo marginal e no patamar do equilíbrio de Bertrand-Nash (benchmark de equilíbrio não-cooperativo). Nesse caso, temos uma relação de oferta tal como: p = cmg − 1 β1 q (5) 42 Se criarmos uma nova variável, q tp = q β1 , obtemos o seguinte modelo: p = cmg − γ 1 q tp (6) Desse modo, torna-se factível a realização de um teste de hipótese sob o comportamento das firmas em que a hipótese nula é: γ 1 = 1 (é tomador de preço/competitiva) e a hipótese alternativa: γ 1 ≠ 1 (não é tomador de preço). ii) Se θ = 1 , configura-se hipótese de que as firmas rivais imitam qualquer variação de preço realizada por uma das firmas, alterando também seus preços. Nesse caso, as firmas adotam um comportamento conhecido na literatura como “equiparador de preço” e enquadrado como prática colusiva (Corts, 1995). Nessa análise, considerase que, quanto maior o parâmetro conduta das companhias, maior a probabilidade de que elas estejam empreendendo alguma prática colusiva, e portanto, o referencial θ = 1 (benchmark de equilíbrio cooperativo) representa uma importante ferramenta de análise antitruste. Nesse caso, a equação de oferta fica: p = cmg − 1 q β1 + β 2 Se criarmos uma nova variável q ep = (7) q obtemos o seguinte modelo: β1 + β 2 p = cmg − δ 1 q ep (8) 43 Desse modo, torna-se factível a realização de um teste de hipótese sob o comportamento das firmas em que a hipótese nula é: δ 1 = 1 (equiparação de preços/possível cartel) e a hipótese alternativa: δ 1 ≠ 1 (não há equiparação de preços). Pode-se ainda, estimar a relação de oferta padrão tal como em (4) e considerando que o termo 1 /( β 1 + β 2 ) = ϖ 1 , testa-se a hipótese de precificação ao custo marginal, em que a hipótese nula é ϖ 1 = 0 (precificação ao custo marginal) e a hipótese alternativa: ϖ 1 ≠ 0 (precificação não é ao custo marginal). 5.2 Modelo Empírico O modelo empírico será estimado com os dados provenientes da base do Núcleo de Estudos em Competição e Regulação do Transporte Aéreo - NECTAR, detalhados no tópico 6 desse trabalho. Foram estimadas as equações de demanda e oferta, para cada firma. Assim, o equivalente empírico das equações do modelo teórico (1), (6) e (8) está apresentado abaixo. A equação de demanda para cada firma (1) é estimada na seguinte forma: 20 q rt = β 0 + β 1 p rt + β 2 p rt− + β 3 PIBt + ∑ β r +3 D _ rota r + ε rt (9) r =1 Onde: q rt é o número de passagens aéreas vendidas. O índice rt se refere ao número de passagens vendidas pela companhia aérea no par de cidades r no mês t. Inclui todos os bilhetes comercializados para o par de cidades, independentemente das características e restrições associadas ao próprio bilhete e à viagem em si; desta forma, engloba bilhetes representativos de vôos tanto non stop, quanto com escala e/ou conexão, etc. 44 p rt é o preço médio da passagem aérea (R$) da companhia, na ligação r, no mês t. Esse preço foi obtido pela multiplicação do yield (preço por passageiro-km) pelo km, obtendo, assim, o preço médio por passageiro. p − rt é o preço do oponente médio ou preço do rival. Esse preço foi calculado a partir da média ponderada dos preços das firmas rivais, onde o fator de ponderação é o número de passagens aéreas vendidas. PIBt é um indicador mensal do produto gerado pela economia no mês t. D_rota é uma variável de efeitos fixos de rota r (total de 20 variáveis). Adotou-se a estrutura linear para a equação de demanda. Nesse caso, é esperado que a inflexibilidade pela utilização dessa estrutura seja refletida nos parâmetros estimados e conseqüentemente nas elasticidades e padrões de substitutibilidade entre as firmas (ver Crooke et all, 1999). Além disso, a linearidade da curva de demanda implica que elasticidades menores estejam relacionadas a preços menores e elaticidades maiores estjam relacionadas a preços maiores (ver Pindyck e Rubinfeld, 2002). Existem outras formas funcionais que conferem maior flexibilidade ao modelo tais como: log-linear, logit e Almost Ideal Demand System (AIDS). Crooke et all (1999) compara estas formas e mostra analitica e graficamente suas propriedades. A relação de oferta padrão representada pela equação (4) 13: 20 p rt = ω 0 + ω1cme + ω 2 q rt + ω 3 q rt _ tcâmbio + ∑ ω r +3 D _ rota r + ξ rt r =1 13 Considerou-se, nessa notação, que 1 /( β 1 + β 2 ) = ϖ 1 . (10) 45 Onde: p rt é o preço médio da passagem aérea (R$) da companhia, na ligação r, no mês t. Esse preço foi obtido pela multiplicação do yield (preço por passageiro-km) pelo km, obtendo, assim, o preço médio por passageiro. q rt é o número de passagens aéreas vendidas. O índice rt se refere ao número de passagens vendidas pela companhia aérea no par de cidades r no mês t. Inclui todos os bilhetes comercializados para o par de cidades, independentemente das características e restrições associadas ao próprio bilhete e à viagem em si; desta forma, engloba bilhetes representativos de vôos tanto non stop, quanto com escala e/ou conexão, etc. qrt _tcâmbio é uma variável resultante da multiplicação de q rttp pela taxa de câmbio. 14 Utilizou-se a taxa de câmbio média mensal comercial para compra (fonte: Boletim do Banco Central do Brasil). cme é o custo médio operacional (R$) da companhia, na ligação r, no mês t. D_rota é uma variável de efeitos fixos de rota r (total de 20 variáveis). Nesse modelo, assumiu-se a hipótese de que os custos marginais na rota são iguais ao custos médios, ou seja, diante da impossibilidade de se conhecer os custos marginais, foram utilizados como proxies os custos médios. Essa hipótese pode não ser razoável se for considerado que existem ganhos de escala e de densidade para as firmas do setor. No entanto, independetemente da razoabilidade ou não da hipótese assumida, espera-se que não haja prejuízo ao modelo visto que, certamente, deslocamentos nos custos médios estão atrelados a deslocamentos nos custos marginais e essa relação é suficiente para a identificação da relação de oferta e conseqüentemente do parâmetro de conduta. 14 Espera-se que o coeficiente dessa variável represente a alteração da conduta das firmas devido às variações da taxa de câmbio, principalmente devido à desvalorização cambial de 2002. 46 A relação de oferta para a situação de tomador de preço representada pela equação (6): 20 p rt = γ 0 + γ 1cmert + γ 2 q + γ 3 q _ tcâmbio + ∑ γ r +3 D _ rotar + ε rt tp rt tp rt (11) r =1 Onde: q rttp é o q rt com as modificações propostas em (6). A relação de oferta para a situação de equiparador de preço representada pela equação (8): 20 p rt = δ 0 + δ 1cmert + δ 2 q rtep + δ 3 q rtep _ tcambio + ∑ δ r +3 D _ rota r + v rt (12) r =1 Onde: q rtep é o q rt com as modificações propostas em (8). Em suma, a sequência de procedimentos a serem adotados para cada firma são: i) estimação de demanda, ii) estimação das relações de oferta (padrão, tomador de preço e equiparador de preço), iii) correção dos devios-padrões através de bootstrap e iv) realização dos testes de hipótese para conduta (precificação ao custo marginal, tomador de preço, equiparador de preço). 47 6. DADOS Os dados para este estudo são provenientes da base de dados do Núcleo de Estudos em Competição e Regulação do Transporte Aéreo - NECTAR referente a preços das passagens aéreas, quantidades de bilhetes vendidos, atributos das firmas e custo médio das firmas. A principal fonte de dados relativos a preços, quantidades e atributos das firmas é o conjunto de Relatórios Mensais do Yield, desenvolvido pela Divisão de Assuntos Econômicos (SA3). Estes relatórios foram criados a partir de setembro de 2001, com as determinações da Portaria 1213, de 16 de agosto de 2001 (revogada pela Portaria 447/DGAC), que aperfeiçoava o Regime de Liberdade Tarifária do segmento de aviação regular doméstica. Os Relatórios Mensais do Yield são elaborados a partir de remessa mensal de informações pelas empresas de transporte aéreo regular, cuja remessa deve acontecer até o quinto dia útil do mês subseqüente, e se refere a uma relação desagregada das bases tarifárias, respectivas tarifas e quantidades de passagens comercializadas em cada uma delas, pela companhia aérea. Importante salientar que os Relatórios Mensais do Yield são construídos tendo-se como referência a comercialização de passagens pela companhia aérea, e não o tráfego de passageiros. A segunda fonte de informações para a Base de Dados do NECTAR é constituída pelo Relatório Operacional Mensal que, por sua vez, serve de base para o Anuário Estatístico do DAC, Volume II — Dados Econômicos, onde são apresentadas informações anuais detalhadas sobre custos, desagregadas por companhia aérea. Nesse documento encontram-se dados detalhados sobre custos operacionais diretos e indiretos, desagregados por aeronave (tanto no mercado doméstico como internacional), são apresentados. 48 Desta forma, os dados constantes do Relatório Operacional Mensal foram utilizados na geração de um custo operacional médio ao nível da rota, que simplesmente é a média dos custos das aeronaves que operam uma dada rota, ponderada pelo número de assentos oferecidos por aquela aeronave naquele mercado. Para fins de construção da Base de Dados final, foram escolhidas, dentre as linhas monitoradas, incluídas na Portaria DAC 447/DGAC, as que envolvessem as seguintes cidades: São Paulo, Rio de Janeiro, Belo Horizonte, Curitiba, Florianópolis e Porto Alegre. Para simplificação, foram adotados os seguintes códigos para essas cidades: CBSP, CBRJ, CBBH, SBBR, SBCT, SBFL, SBPA. Foram também utilizados índice mensal de PIB 15 e taxa de câmbio comercial para compra provenientes do Banco Central. Tem-se assim um conjunto de: 4 firmas: Vasp, Tam, Gol e Grupo Varig (VRG+NES+RSL). 20 rotas, que envolvem 7 cidades: CBSP, CBRJ, CBBH, SBBR, SBCT, SBFL, SBPA. Sendo que CBSP = SBSP + SBGR; CBBH = SBBH + SBCF; CBRJ = SBRJ + SBGL 16. 21 períodos (meses) referentes ao período de julho de 2002 a março de 2004. Esses dados são representativos do tráfego de onze milhões de passageiros, ou seja, aproximadamente 38% do tráfego aéreo doméstico em 2001 (Anuário Estatístico do DAC, Dados Estatísticos). No total, são 1680 observações referentes às ligações mais densas do país. A base inclui somente transporte de passageiros (exclui carga); somente operações 15 Os valores mensais de PIB podem ser encontrados na seção de séries históricas, tabela número 4380. Disponível em: www.bcb.gov.br 16 As rotas são: CBBH=>CBSP – Belo Horizonte => São Paulo, CBBH=>SBBR – Belo Horizonte => Brasília, CBRJ=>CBSP – Rio de Janeiro => São Paulo, CBRJ=>SBBR – Rio de Janeiro => Brasília, CBRJ=>SBCT – Rio de Janeiro => Curitiba, CBRJ=>SBPA – Rio de Janeiro => Porto Alegre, CBSP=>CBBH – São Paulo => Belo Horizonte, CBSP=>CBRJ – São Paulo => Rio de Janeiro, CBSP=>SBBR – São Paulo => Brasília, CBSP=>SBCT – São Paulo => Curitiba, CBSP=>SBFL – São Paulo => Florianópolis, CBSP=>SBPA – São Paulo => Porto Alegre, SBBR=>CBBH – Brasília => Belo Horizonte, SBBR=>CBRJ – Brasília => Rio de Janeiro, SBBR=>CBSP – Brasília => São Paulo, SBCT=>CBRJ – Curitiba => Rio de Janeiro, SBCT=>CBSP – Curitiba => São Paulo, SBFL=>CBSP – Florianópolis => São Paulo, SBPA=>CBRJ – Porto Alegre => Rio de Janeiro, SBPA=>CBSP – Porto Alegre => São Paulo 49 domésticas, companhias brasileiras (exclui companhias regionais da franja de mercado; exclui internacionais). Os valores monetários para preços e custos foram atualizados pelo IPCA – Índice Nacional de Preços ao Consumidor Amplo, a valor presente de janeiro de 2006 17 . Um dos eventos relevantes para o período e que se buscou inserir ao modelo foi a desvalorização cambial de 2002. Com isso, a intenção é verificar se esse fato alterou de alguma forma a conduta competitiva das firmas no mercado. A Tabela 3 apresenta as estatísticas descritivas 18 para as principais variáveis do modelo: número de passagens aéreas vendidas (q), preço médio da passagem (p), preço médio da passagem dos rivais ( p − ) e custo médio (cme), todas consideradas no nível da rota. Nota-se que existe grande variabilidade para todas as variáveis, o que se configura como um ponto positivo para a identificação dos parâmetros da equação de demanda e de oferta. Os preços próprios se mostraram próximos aos preços médios das rivais no entanto, os primeiros apresentaram maior variabiliadade. Os custos médios apresentaram valores menores do que os preços próprios, conforme o esperado, e correspondem a um montante aproximado de 66% dos preços. 17 Testes com o IPA para deflacionar custos mostraram que ele pondera excessivamente os períodos de variações cambiais, não refletindo as reais condições de mercado para insumos adquiridos internamente como: mão-de-obra, tarifas aeroportuárias e serviços de bordo. Dessa forma, o IPCA mostrou-se o índice mais adequado para o deflacionamento de todos os dados, inclusive os de custo. 18 As estatísticas descritivas para cada firma não serão apresentadas em virtude da sigilosidade dos dados. 50 Tabela 3 – Estatítica descritiva 19 Variáveis q p (R$) p − (R$) cme (R$) Número de observações 1680 1680 1680 Média na rota 1932,35 461,91 414,00 DesvioPadrão 2363,77 189,83 145,93 Mín Máx 22,16 175,45 176,72 16899,63 1191,83 959,23 1680 304,00 155,193 56,00 948,12 6.1 Estimador, Endogeneidade e Instrumentos A estimação de um sistema de demanda e oferta pode ser realizada de duas formas: utilizando somente um procedimento (equações simultâneas) ou em etapas, equação-porequação (estimação em dois estágios). Nesse trabalho, será utilizado o segundo, que em geral, tem a vantagem de que a estimação de uma equação não influencie a estimação das outras equações do sistema e ainda, será realizada através painéis de ligações para cada firma 20. O método de estimação utilizado foi o MMG (Método dos Momentos Generalizado). Este estimador se mostra mais eficiente com relação aos métodos usuais de estimação de sistemas de equação, por ser robusto à presença de heteroscedasticidade desconhecida (Wooldridge, 2002). Através do uso de variáveis binárias de rota, espera-se controlar os efeitos que não se alteram no tempo, o que deve produzir resultados equivalentes ao estimador de efeitos fixos para painéis de dados. Nas equações de demanda (para cada firma), as variáveis consideradas endógenas no modelo foram p e p − . Nesse caso, os instrumentos utilizados foram: custo do combustível, da manutenção, do aluguel, das tarifas aeroportuárias e distância média das etapas percorridas, todos defasados de um período, e preços em outros mercados – no caso, em outras rotas. Estes 20 Inicialmente, a idéia era utilizar um único painel de firmas e ligações. A dificuldade na utilização dessa estrutura surgiu no momento da estimação da relação de oferta, quando não se podia deixar de incorporar ao modelo variáveis endógenas multiplicativas de quantidade e firma e desse modo, aumentou significativamente o problema de identificação do modelo, dado que o número e a qualidade de instrumentos não se mostraram suficientes. 51 últimos foram construídos conforme os procedimentos utilizados por Hausman, Leonard e Zona (1994). Os autores partem da idéia de que choques de demanda em mercados diferentes são independentes, logo exógenos. Isso quer dizer que os preços de um mesmo produto possuem componentes comuns de custos, ou seja, de oferta em mercados de diferentes regiões, além de um componente não observado de demanda específico de cada região e, na medida em que estes choques de demanda específicos a cada região são independentes entre si e os preços são formados com base em custos comuns, o preço em outra localidade será um bom instrumento não correlacionado com o erro e correlacionado com a variável endógena. Essa hipótese pode ser testada a partir dos testes J de Hansen e LR de Anderson. Nas relações de oferta, as variáveis consideradas endógenas no modelo foram q rt e q rt _ tcâmbio . Os instrumentos utilizados nesse caso foram PIB (deslocador da demanda) e características das firmas rivais, tais como: vôos com stops, vôos durante o fim-de-semana, vôos durante a semana e vôos no pico; todas medidas como fatias de mercado (em termos de assentos transportados) da respectiva empresa, em determinada rota, em determinado mês. A utilização de características das rivais como instrumentos para a oferta foi sugerida por Berry, Levinson e Pakes (1995), cuja lógica está no fato de que atributos são bons deslocadores de demanda da firma (relevantes) e atributos das rivais não estão correlacionados diretamente com o preço da firma (válidos/ortogonais) 21. Em ambos os casos, equações de demanda e relação de oferta, foram realizados testes de validade e relevância dos instrumentos através dos testes J de Hansen e LR de Correlação Canônica de Anderson, respectivamente. 21 A discussão aprofundada sobre instrumentos está no APÊNDICE 1. 52 6.2 Estimação em dois estágios, desvios padrões incorretos e bootstrap Um problema quando se trabalha com modelos de estimação em dois estágios é que o modelo do segundo estágio contém variáveis construídas com parâmetros estimados no primeiro estágio. A prática usual é desconsiderar o fato de que essas variáveis são aleatórias e proceder à estimação do modelo de segundo estágio como se todas as variáveis fossem determinísticas. Esse procedimento continua produzindo estimativas não tendenciosas (coeficientes estão corretamente estimados), porém elas não são eficientes, pois a matriz de variância-covariância das estimativas dos parâmetros de segundo estágio inclui ruído induzido pelas estimativas do primeiro estágio. Em outras palavras, o problema se traduz em desviospadrões incorretos, o que implica resultados não confiáveis para testes de hipótese 22. Pode-se realizar a correção do desvio-padrão de duas maneiras: baseado na fórmula assintótica ou através de método simples de reamostragem chamado bootstrap. Em seus estudos, Karaca-Mandic e Train (2002) constataram que a correção do desvio-padrão baseado na fórmula assintótica e no bootstrap apresentaram resultados similares. Bootstrap trata-se de um método de reamostragem com reposição de elemento descrito primeiramente por Bradley Efron (1979). A teoria de modelos baseados em amostragem para inferências estatísticas parte da hipótese de que os dados surgem como uma amostra de alguma distribuição de probabilidade conceitual f. Incertezas sobre as inferências podem ser medidas se for estimado f. A idéia fundamental do método do bootstrap é que se pode computar medidas de incerteza (média, intervalo de confiança, desvio-padrão) a partir da distribuição de f estimada da amostra (Burnham, 2004). Existem duas situações distintas em que o bootstrap atua: a paramétrica e a nãoparamétrica. Quando existe um modelo matemático particular, com constantes ajustáveis ou parâmetros ψ que determinam f, o modelo é chamado de paramétrico e os métodos 22 O problema dos desvios padrões incorretos está descrito analiticamente no APÊNDICE 2. 53 estatísticos baseados nesse modelo são métodos paramétricos. Nesse caso, a estatística de interesse, ξ , é componente ou função de ψ . Quando nenhum modelo matemático é usado, a análise estatística é não-paramétrica, e usa apenas o fato de que as variáveis aleatórias são independentes e identicamente distribuídas. No caso de tratar-se de um modelo paramétrico, a análise não-paramétrica pode ser útil para indicar a robustez das extrações da análise paramétrica (Hair et all, 1998). Em geral, métodos de reamostragem são mais utilizados em aproximações não paramétricas. Nesse caso, o procedimento consiste na geração de múltiplas amostras (x*B) – onde B é o número de reamostras bootstrap - a partir de uma amostra inicial (x), através de um processo aleatório e com reposição. Freqüentemente, a amostra é composta de n unidades independentes, e isso basta para fazer um simples exemplo aleatório de tamanho n, com reposição, e obter uma amostra bootstrap. O conjunto B das reamostras bootstrap é uma proxy para um conjunto B de amostras reais independentes de f (na realidade tem-se somente uma amostra atual de dados). Propriedades esperadas da replicação de amostras reais são inferidas das amostras bootstraps (uma a uma), exatamente como inicialmente foi analisada a amostra real de dados. Do conjunto de resultados de amostra tamanho B, pode-se medir as incertezas sobre inferência da amostra para a população. O bootstrap pode trabalhar bem para amostras de grandes tamanhos (n), mas pode não ser confiável para pequenas (n = 5, 10 ou até 20). A distribuição bootstrap pode ser vista como aproximação altamente acurada da verdadeira distribuição da amostra do estimador (Burnham, 2004). Maiores detalhes são encontrados em APÊNDICE 3. 54 7. RESULTADOS E DISCUSSÃO 23 7.1 Demanda Os resultados da estimações das demandas são apresentados nas Tabelas 4, 5, 6 e 7. Pode-se observar que todos os coeficientes são significativos e possuem sinais condizentes com expectativa da teoria econômica: preço próprio negativamente relacionado com a quantidade demandada (aumento de preço próprio reduz a demanda por esse serviço); preço do rival/substituto positivamente relacionada com a quantidade demanda (aumento do preço do rival, aumenta a demanda da firma) e; renda positivamente relacionada com a quantidade demandada (aumento da renda, aumenta consumo desse serviço). Entre as firmas, o maior valor estimado para o parâmetro de preço próprio foi o da Gol, isso reflete o fato de que seus passageiros são mais sensíveis a preço do que os passageiros das demais. O maior valor estimado para o parâmetro de preço das rivais foi o da Vasp, indicando que diante de um aumento em seus preços, sua perda de demanda seria maior do que se fosse com qualquer outra firma. Com relação ao PIB, o maior valor estimado está na equação de demanda da TAM, sinalizando a maior sensibilidade de seus passageiros diante de uma alteração na renda. Um ponto que merece considerações é o fato do valor estimado para o parâmetro do PIB ser negativo e significativo (1% de significância) para a Vasp. Esse resultado inesperado possivelmente pode ter relação com a crise da empresa que já despontava nesse período, ou seja, apesar de um aumento de renda da economia (PIB), a empresa, devido à crise, perdia demanda para os concorrentes. 23 Todas as rotinas e resultados das estimações e testes encontram-se no ANEXO 1. 55 Tabelas 4 – Resultados da estimação da equação de demanda – Gol Gol Variáveis explicativas p q -7,06*** (1,35) p − 5,90*** (0,94) PIB 33,60*** (3,28) constante -3276,69*** (515,44) Número de Observações Centered R² F (82, 1593) Estatística J de Hansen Estatística LR de Anderson 400 0,78 56,63*** 8,41 121,68*** ***-Significativa ao nível de 1% de confiança. ** - Significativa ao nível de 5% de confiança. * Significativa ao nível de 10% de confiança. Dummies controladoras de rotas foram omitidas. Tabelas 5 – Resultados da estimação da equação de demanda – TAM TAM Variáveis explicativas p q -4,37*** p− 4,96*** (0,84) (1,29) PIB 39,52*** (6,61) constante 8369,91*** (1055,44) Número de Observações Centered R² F (82, 1593) Estatística J de Hansen Estatística LR de Anderson 400 0,93 117,01*** 9,49 123,93*** ***-Significativa ao nível de 1% de confiança. ** - Significativa ao nível de 5% de confiança. * Significativa ao nível de 10% de confiança. Dummies controladoras de rotas foram omitidas. 56 Tabelas 6 – Resultados da estimação da equação de demanda – Varig Varig Variáveis explicativas p q -6,24*** p− 3,44*** (1,41) (0,82) PIB 20,81*** (6,71) constante -468,47 (985,02) Número de Observações Centered R² F (82, 1593) Estatística J de Hansen Estatística LR de Anderson 400 0,75 66,92*** 12,62 89,38*** ***-Significativa ao nível de 1% de confiança. ** - Significativa ao nível de 5% de confiança. * Significativa ao nível de 10% de confiança. Dummies controladoras de rotas foram omitidas. Tabelas 7 – Resultados da estimação da equação de demanda – Vasp Vasp Variáveis explicativas p q -5,03** (1,94) p − 7,18** (3,08) PIB -13,64*** (4,66) constante 1139,58 (971,63) Número de Observações Centered R² F (82, 1593) Estatística J de Hansen Estatística LR de Anderson 400 0,84 50,19*** 5,73 12,58** ***-Significativa ao nível de 1% de confiança. ** - Significativa ao nível de 5% de confiança. * Significativa ao nível de 10% de confiança. Dummies controladoras de rotas foram omitidas. 57 A Tabela 8 apresenta as elasticidades. Todos os valores correspondem às elasticidades no ponto médio. Logo, podem ser representadas como: 1) Elasticidade preço da demanda: ∂q p ∂q , onde o valor estimado para ∂p q ∂p pode ser obtido da equação da demanda e, nesse caso, corresponde à estimativa de β 1 obtido para cada firma e, p e q são o preço médio e a quantidade média da firma, respectivamente. 2) Elasticidade cruzada da demanda: ∂q p − , onde o valor estimado para ∂p − q ∂q pode ser obtido da equação da demanda e, nesse caso, corresponde à ∂p estimativa de β 2 obtido para cada firma e, p − e q são o preço médio das rivais e a quantidade média da firma, respectivamente. 3) Elasticidade renda da demanda: ∂q PIB , onde o valor estimado para ∂PIB q ∂q pode ser obtido da equação da demanda e, nesse caso, corresponde à ∂PIB estimativa de β 3 obtido para cada firma e, PIB e q são o valor médio de PIB e a quantidade média da firma, respectivamente. Destaca-se que o maior valor para a elasticidade própria foi encontrado para a Varig e o menor para a Gol; o maior para elasticidade cruzada corresponde ao da Vasp e o maior para elasticidade renda corresponde ao da TAM. De fato, era esperado que as elasticidades ao nível da firma fossem maiores do que as encontrada ao nível do mercado (agregada), que gira em torno de –0,4 (elasticidade-preço) e 1,1 (elasticidade-renda). Isso decorre do fato de que o transporte aéreo trata-se de um serviço essencial, principalmente em viagens de longa 58 distância ou de necessidade rápida (demanda agregada inelática) no entanto, o passageiro tem opções em relação à escolha da empresa com a qual pretende obter o serviço (demanda da firma elástica). Além disso, elasticidades menores para a Gol e maiores para a Varig, refletem a estrutura linear da demanda, em que preços menores estão relacionados a elasticidades menores e preços maiores estão relacionados a elasticidades maiores. Tabela 8 – Elasticidades Firmas Gol TAM Varig Vasp Elasticidade preço- Elasticidade preçoprópria da demanda cruzada da demanda -2,03 2,55 -5,64 3,82 -8,05 2,64 -6,73 10,62 Elasticidade renda 3,48 10,63 5,59 -5,99 7.2 Relação de Oferta Nas Tabelas 9, 10, 11 e 12 estão reportadas as estimativas das relações de oferta (padrão, tomador de preço e equiparador de preço) para cada firma. Para os modelos em que houve modificação da variável q - tomador de preço e equiparador de preço – as estimativas dos desvios-padrões apresentadas já foram corrigidas através do bootstrap. O sinal do custo médio é positivo, conforme esperado. O coeficiente de q (parâmetro de conduta) também se mostrou positivo e condizente com a teoria econômica. A variável deslocadora de q devido ao câmbio, apresentou sinal negativo em todos os modelos. Essa variável representa a variação da conduta associada à variação na taxa de cambio. É importante ressaltar que não se trata do efeito da taxa de câmbio sobre o preço ofertado, uma vez que essa relação é originalmente positiva (aumento dos custos eleva os preços). Se se considera que durante o 59 período da base de dados houve um período de desvalorização cambial e isso foi captado pela variável em questão, o resultado pode ser justificável se pensarmos que durante um período de desvalorização cambial as firmas se tornam mais agressivas competitivamente para manter suas margens de lucro. Ou seja, diante dessa situação, não há necessariamente a necessidade de coordenação entre as firmas para que não haja perda de lucratividade, pelo contrário, tratase de uma situação mais “individualista” em que cada qual busca por outras maneiras, se manter competitivas no mercado. O grau de ajustamento dos modelos, representado pelo R 2 , se enquadrou entre 70% e 88% e os testes de significância conjunta das variáveis do modelo (teste F) foram estatisticamente significantes ao nível de 1% . Os instrumentos também se mostraram eficientes no procedimento de identificação das relações de oferta; os testes de validade dos intrumentos – Estatística J de Hansen ( H 0 : o instrumento é válido e H a : o instrumento não é válido) – não foram rejeitados e os testes de redundância dos instrumentos – Estatística LR de Anderson ( H 0 : o instrumento é redundante e H a : o instrumento não é redundante) foram rejeitados. Novamente, os resultados nas relações de oferta para a Vasp se mostraram contrários à teoria econômica no que diz respeito ao sinal de q, que se apresenta negativo. As estimativas para os custos se foram positivas e significantes e, apesar de os instrumentos se mostrarem razoavelmente bons, não foi possível identificar a equação de oferta. 60 Tabela 9 – Relação de Oferta - Gol 0,10*** (2) Com transformação – q rttp Tomador de preço p rt 0,74** (3) Com transformação - q rtep Equiparador de preço p rt 0,12** (0,02) (0,29) (0,04) -0,04*** -0,31*** 0,052** (0,01) (0,15) (0,03) 0,30*** 0,30*** 0,30*** (0,08) (0,10) (0,11) Variável dependente (1) Sem transformação – Precificação ao custo marginal p rt q q_tcambio cme Número de Observações Centered R² F (82, 1593) Estatística J de Hansen Estatística LR de Anderson 420 0,70 74,36*** 7,61 11,12* ***-Significativa ao nível de 1% de confiança. ** - Significativa ao nível de 5% de confiança. * Significativa ao nível de 10% de confiança. Dummies controladoras de rotas foram omitidas. Tabela 10 – Relação de Oferta - TAM Variável dependente q q_tcambio cme Número Observações Centered R² F (82, 1593) Estatística J Hansen Estatística LR Anderson (1) Sem (2) Com transformação (3) Com transformação transformação – q rtep – q rttp Precificação ao Tomador de preço Equiparador de preço custo marginal p rt p rt p rt 0,13*** 0,57*** 0,07*** (0,04) (0,23) (0,03) -0,04** -0,19*** -0,03*** (0,01) (0,07) (0,00) 0,60*** 0,60*** 0,60*** (0,10) (0,11) (0,11) de 420 0,70 64,86*** de 1,88 de 26,56*** ***-Significativa ao nível de 1% de confiança. ** - Significativa ao nível de 5% de confiança. * Significativa ao nível de 10% de confiança. Dummies controladoras de rotas foram omitidas. 61 Tabela 11 – Relação de Oferta - Varig Variável dependente q q_tcambio cme Número de Observações Centered R² F (82, 1593) Estatística J de Hansen Estatística LR de Anderson 0,12*** (2) Com transformação – q rttp Tomador de preço p rt 0,76** (3) Com transformação - q rtep Equiparador de preço p rt 0,34** (0,05) (0,38) (0,16) -0,04*** -0,26*** -0,12*** (0,01) (0,09) (0,04) 0,49*** 0,49*** 0,49*** (0,08) (0,10) (0,09) (1) Sem transformação – Precificação ao custo marginal p rt 420 0,88 148,31*** 7,06 15,04** ***-Significativa ao nível de 1% de confiança. ** - Significativa ao nível de 5% de confiança. * Significativa ao nível de 10% de confiança. Dummies controladoras de rotas foram omitidas. Tabela 12 – Relação de Oferta -Vasp Variável dependente q q_tcambio cme Número de Observações Centered R² F (82, 1593) Estatística J de Hansen Estatística LR de Anderson -0,17 (2) Com transformação – q rttp Tomador de preço p rt 1,67 (3) Com transformação - q rtep Equiparador de preço p rt -1,20 (0,19) (2,71) (1,90) 0,03 1,00 0,04 (0,04) (1,83) (0,08) 0,24*** 0,24** 0,25*** (0,08) (0,09) (0,08) (1) Sem transformação – Precificação ao custo marginal p rt 420 0,87 129,81*** 1,18 8,26** ***-Significativa ao nível de 1% de confiança. ** - Significativa ao nível de 5% de confiança. * Significativa ao nível de 10% de confiança. Dummies controladoras de rotas foram omitidas. 62 7.3 Testes de hipótese para conduta As Tabelas 13 e 14 apresentam os testes de conduta para o “caso base” e para a situação de efeito da taxa de câmbio, respectivamente. Os resultados dos testes mostram que a hipótese de equiparação de preço é rejeitada em qualquer dos modelos, sob qualquer situação. Isso mostra que não há constatação empírica que as firmas atuaram de forma coordenada no mercado (racionalidade de cartel) para o período de julho de 2002 a março de 2004. Para o caso base, não se pôde rejeitar a hipótese de tomador de preço para as firmas (equilíbrio competitivo para produto diferenciado). Esse resultado também foi encontrado no trabalho de Oliveira (2005), em estudo sobre a competição na ligação Rio de Janeiro – São Paulo. Assim, pode-se dizer que apesar de o setor apresentar várias características classificadas como facilitadoras de possível conluio entre as firmas, tal situação não foi verificada com base nos dados. Possivelmente, a diferenciação em termos de estrutura tarifária e de estratégias adotadas pelas firmas, ainda mais acentuada no pósdesregulamentação, tenha se configurado como um fator relevante para a obtenção desse resultado de não-coordenação. A análise da conduta diante de um choque de desvalorização cambial mostrou que as firmas se tornaram mais competitivas (não rejeição de precificação ao custo marginal) quando se incorpora essa situação ao modelo. Diante desse resultado e analisando-se a base de dados, percebe-se que, de fato, durante o período de desvalorização cambial a variância dos preços se tornaram maiores, ou seja, houve maior “descolamento” de preços entre as firmas – refletido na redução do valor do parâmetro de conduta e maior competição entre as firmas (Tabela 15). Realizando um teste de igualdade de variâncias, não se pôde rejeitar a hipótese de que há diferença entre elas. Tal resultado pode ser justificado se levarmos em conta que diante de uma situação adversa, as firmas se tornam mais agressivas competitivamente, visando preservar sua própria 63 margem de lucro. Além disso, a dificuldade em repassar integralmente o aumento dos custos – devido à desvalorização cambial - para o valor das passagens aéreas, também colabora para uma situação de equilíbrio de mercado em que os preços se apresentam mais próximos ao custo marginal. Os resultados inconclusivos de conduta para a Vasp refletem estimativas da oferta cujos sinais não foram condizentes com a lógica econômica. De fato, os dados relativos à Vasp não tiveram o mesmo ajustamento dos dados correspondentes à demais firmas. Um possível justificativa seria a crise pela qual a empresa já passava nesse período. Tabela 13 – Teste de conduta – Caso Base Firmas Gol TAM Varig Vasp Precificação ao Custo marginal ( H 0 : ω 2 = 0 ) 0,10*** 0,13*** 0,12*** -0,17 Tomador de preço ( H 0 : γ 2 = 1) 0,74 0,57* 0,76 1,67 Equiparador de preço ( H 0 : δ 2 = 1) 0,12*** 0,07*** 0,34*** -1,19 Tabela 14 – Teste de conduta – Efeito da taxa de câmbio 24 Firmas Precificação ao custo marginal ( H 0 : ω 2 + ω 3 * tcambio = 0 ) Gol -0,02* TAM -0,004 Varig 0,006 Vasp -0,06 Tomador de preço Equiparador de preço ( H 0 : γ 2 + γ 3 * tcambio = 1 ) ( H 0 : δ 2 + δ 3 * tcambio = 1 ) -0,23*** -0,03*** - 0,06*** 4,81 -0,037*** -0,02*** - 0,04*** -1,06 ***-Significativa ao nível de 1% de confiança. ** - Significativa ao nível de 5% de confiança. * Significativa ao nível de 10% de confiança. Tabela 15 – Estatística descritiva de preços Média Desvio-Padrão Mín 455,18 181,75 175,45 p p (na desvalorização cambial) 470,90 199,87 176,72 24 Máx 1131,66 1191,83 Os valores utilizados correspondem à soma do coeficiente de q ao coeficente de q_tcambio multiplicado pela taxa de cambio média, ou seja, o efeito da taxa de câmbio na conduta é representado por: ∂q + ∂q _ tcambio * tcambio . 64 8. CONCLUSÃO Esse trabalho buscou estudar a conduta competitiva das companhias aéreas brasileiras para as principais ligações do país através dos chamados “modelos de parâmetro de conduta”, desenvolvidos dentro da abordagem da Nova Nova Organização Industrial Empírica. A análise foi realizada com dados que compreenderam o período de julho de 2002 a março de 2004, para as quatro principais firmas (Gol, TAM, Varig e Vasp) dentro de um conjunto de 21 ligações de pares de cidades. Foi incorporada à metodologia, a aplicação de um método chamado Bootstrap, utilizado como forma de corrigir os desvios-padrões das estimativas obtidas da relação de oferta de modo a permitir a realização de testes de hipótese mais confiáveis para conduta. Os resultados mostraram que durante o período da base, não foi possível rejeitar a hipótese de que as firmas adotaram uma conduta não cooperativa (Equilíbrio Bertrand Nash para produto heterogêneo ou situação de Tomador de preço). De fato, em outros trabalhos realizados para o setor (Oliveira, 2005 e Lovadine e Oliveira, 2005) foram obtidos resultados semelhantes. Isso significa que apesar do setor de transporte aéreo congregar algumas características aparentemente possíveis facilitadoras para uma conduta colusiva (oligopólio, barreiras à entrada, inelasticidade agregada da demanda, etc...), os resultados empíricos não comprovam essa idéia. A análise da conduta para um dos eventos relevantes para o período – desvalorização cambial de 2002 - mostrou que esse evento produziu uma conduta mais competitiva, de modo que não foi possível rejeitar a hipótese de precificação ao custo marginal para essa situação. Tal resultado pode ser justificado se levarmos em conta que diante de uma situação adversa, 65 as firmas se tornam mais agressivas competitivamente, visando preservar sua própria margem de lucro. Do exposto, conclui-se que não há indícios que para afirmar de que houve abuso de poder de mercado via conduta coordenada em preços por parte das firmas, uma vez que essa hipótese foi rejeitada na análise empírica. É importante ressaltar que os resultados de estudos empíricos devem ser complementares dentro da análise antitruste, não desconsiderando o fato de existirem evidências outras que devem ser investigadas para um julgamento adequado. Como sugestões para aperfeiçoamento do trabalho, a primeira delas seria a utilização de outra forma funcional para a estimação da demanda. Conforme apontado no tópico 5.2, existem na literatura atual, formas que conferem maior flexibilidade aos parâmetros estimados da demanda (log-linear, logit e Almost Ideal Demand System) e que conseqüentemente, impactam nas estimativas das elasticidades obtidas. Outro ponto que mereceria maior atenção seria com respeito ao encontro de instrumentos para identificar a relação de oferta. De fato esse foi um ponto crítico do trabalho e que inviabilizou a exploração de um único painel de ligações e firmas. Por fim, caberia ainda um estudo aprofundado da base de dados com relação à Vasp. Pode ser que um estudo minucioso dos dados ajude a entender os resultados inesperados nas estimações e nos testes de hipótese para essa firma. 66 BIBLIOGRAFIA Anuários – DAC. Disponível em: www.dac.gov.br Bagwell, K. e R. W. Staiger (1997) “Collusion over the Business Cycle”, Rand Journal of Economics, 28 (1): 82 — 106. Bailey, E. E.; Panzar, J. C.(1981) “ The Contestability of Airline Markets during the Transition to Deregulation”. Law and Contemporany Problems, p. 125-145. Bain, J. S. (1956) Barriers to New Competition. Cambridge, MA: Harvard University Press. Baumol, W., R. Panzar and R. (1982) Willig, Contestable Markets and the Theory of Market Structure, New York: Harcourt Brace Jovanovich, Inc. Berry, S. (1990) Airport Presence as Product Differentiation. American Economic Review 80, 394-399. Berry, S.; Carnall, M.; Spiller, P. (1996) Airline Hubs: Costs, Markups and the Implications of Customer Heterogeneity. NBER Working Paper Series 5561: 41. Berry, S.; Levinshon, J.; Pakes, A. Equilibrium.Econometrica, 63, 841-890. (1995) Automobile Prices in Market Betancor, O.; Nombela, G. (2001). European Airline’s Marginal Costs. Working paper of Dpto. Análisis Económico Aplicado. Universidad de Las Palmas de Gran Canaria. Boguslaski, R., Ito, H., & Lee, D. (2004) Entry Patterns in the Southwest Airlines Route System. Review of Industrial Organization 25, 317-350. Borenstein, S. (1989) Hubs and High Fares: Dominance and Market Power in the U.S. Airline Industry. Rand Journal of Economics 20: 344-365. Bresnahan, T. (1982) Empirical Studies of Industries with Market Power. In Handbook of Industrial Organization. Vol. II. Edited by Schmalensee, R. and Willig, R. Amsterdam: Elsevier Science Publishers. Burnham, K. P. (2004) Bootstrap. Notes of Class, Colorado State University. Disponível em site: http://www.warnercnr.colostate.edu/class_info/fw663/bootstrap.pdf Caves, R.E.(1962) “Air Transport and Its Regulators”. Cambridge: Harvard University Press. Caves, D.W., Christensen, L.R. (1980). “Global Properties of Flexible Funcional Forms”, American Economic Review Vol.70, p. 422-432. Church, J.; Ware, R. (2000) Insdustrial Organization: An Strategic Approach. New York: McGraw-Hill. Corts, K. (1995) On the Robustness of the Argument that Price-matching is Anti-competitive. 67 Economics Letters 47, 417-421. Doganis, R. (1995). Flying off course. The Economics of International Airlines. Harper Collins. London. Douglas, G. W.; Miller, J. C., III.(1974) Economic Regulation of Domestic Air Transport: Theory and Policy. Washington, D. C.: Brookings Intitution. Efron, B. (1979) Bootstrap methods: another look at the jackknife. Ann. Statist. 7 1-26. Efron, B. and Tibshirani, R. J. (1993) An Introduction to the Bootstrap. Chapman and Hall, New York. Farina, E. (2005) Teoria Econômica, Oligopólios e Política Antitruste . Revista de Direito da Concorrência, nº6, abr. a jun./2005. Farina, E. (2004) Voto-vista de Conselheiro. Processo Administrativo n. 08012.000677/1999 70.Conselho Administrativo de Defesa Econômica. Franco, F. A. L; Santana, P. M.; Almeida, C. B.; Braga, R. J.(2002) Recent Deregulation of the Air Transportation in Brazil. Documento de trabalho da SEAE. Disponível em site: http://www.fazenda.gov.br/seae/documentos/doctrabalho/DocTrab12.PDF Hair, Joe F.; Anderson, Rolph E.; Tatham, Ronald L.; Black, William C. (1998) Multivariate Data Analysis, Fifth Edition, Prentice-Hall: Upper Saddle River. Hausman, J., Leonard, G., & Zona, D. (1994) Competitive Analysis with Differentiated Products. Annales d'Economie et de Statistique 34 , 159-180. Karaca-Mandic, P. and K. Train (2002), ‘Standard error correction in twostep estimation with nested samples’, Working Paper, Department of Economics, University of California, Berkeley. Keeler, T. E. (1978) Domestic Trunk Airline Regulation: An Economic Evaluation. Working paper in Federal Regulation Washington, D.C.: U.S. Government Printing Office. Kupfer, D.; Hasenclever, L. (2002) Economia Industrial. Editora Campus, 680p. Lovadine, D., Oliveira, A. V. M. (2005) Desregulamentação da Aviação Civil no Brasil In: Marcos Regulatórios no Brasil: O que foi feito e o que ainda falta fazer. ed.Rio de Janeiro: IPEA, 2005, p. 245-283. Matsumura, E. H.; Figueira de Mello, M. (2005) Uso de Métodos Quantitativos na Investigação de Práticas Anticompetitivas. Versão preliminar apresentada em Seminário de Estudos em Métodos Quantitativos Aplicados à Defesa da Concorrência e à Regulação Econômica – SDE/Ipea/Anpec. Brasília, D.F. Motta, M. (2004) Competition Policy: Theory and Practice, Cambridge University Press. 68 Oliveira, A. V. M. (2005a) Performance dos Regulados e Eficácia do Regulador: Uma Avaliação das Políticas Regulatórias do Transporte Aéreo e dos Desafios para o Futuro. Documento de trabalho DT007-05. Disponível em: www.nectar.ita.br Oliveira, A. V. M. (2005b) An Empirical Model of Low Cost Carrier Entry: The Entry Patterns of Gol Airlines. Documento de Trabalho N. 002 – Acervo Científico do Núcleo de Estudos em Competição e Regulação do Transporte Aéreo (NECTAR). São José dos Campos, SP. Disponível em http://www.ita.br/~nectar. Oliveira, A. V. M. (2005c) The Impacts of Liberalization on Competition on an Air Shuttle Market. Documento de Trabalho N. 006, 2005 – Acervo Científico do Núcleo de Estudos em Competição e Regulação do Transporte Aéreo (NECTAR). São José dos Campos, SP. Disponível em http://www.nectar.ita.br Oliveira, A.V.M. e Turolla, F. (2005) Competição, Colusão e Antitruste: Estimação da Conduta Competitiva de Companhias Aéreas. Documento de Trabalho N. 003 – Acervo Científico do Núcleo de Estudos em Competição e Regulação do Transporte Aéreo (NECTAR). São José dos Campos, SP. Disponível em http://www.ita.br/~nectar Oliveira, A. V. M. e Huse, C. (2005) Localized Competitive Advantage and Price Reactions to Entry: Full-Service vs. Low-Cost Airlines in the Brazilian Market. Documento de Trabalho N. 010 – Acervo Científico do Núcleo de Estudos em Competição e Regulação do Transporte Aéreo (NECTAR). São José dos Campos, SP. Disponível em http://www.ita.br/~nectar. Pindyck, R. S.; Rubinfeld, D. L. (2002) Microeconomia. Prentice Hall. Ragazzo, C. E. J. (2006) O Processo de Flexibilização e as Fusões e os Acordos de Cooperação no Mercado de Transporte Aéreo de Passageiros. Documento de Trabalho N. 32 – Acervo da Secretaria de Acompanhamento Econômico (SEAE). Brasília, D.F. Disponível em: www.fazenda.gov.br/seae Slade, M. (2004) Market Power and Joint Dominance in UK Brewing. Journal of Industrial Economics 52, 133-163. Tavares, M. P. (1999) O Transporte Aéreo Doméstico e a Lógica da Desregulamentação. Documento de Trabalho N. 04 – Acervo da Secretaria de Acompanhamento Econômico (SEAE). Brasília, D.F. Disponível em: www.fazenda.gov.br/seae Turolla, F. A., Vassallo, M. D. e Oliveira, A. V. M. (2005) Is there Competition Between Coaches and Airlines in Brazil? Documento de Trabalho N. 009 – Acervo Científico do Núcleo de Estudos em Competição e Regulação do Transporte Aéreo (NECTAR). São José dos Campos, SP. Disponível em http://www.ita.br/~nectar. Wells,A.T., Wensveen, J. G. Air Transportation: A Management Perspective. Hardcover, 2003. White, L. J. (1979)“Economies of Scale and the Question of ‘Natural Monopoly’ in the Airline Industry”. Journal of Air Law and Commerce, Vol. 44, p. 545-573. 69 Widmer, J. A. (1984) Perspectivas de evolução do transporte aéreo regional no Brasil. Tese de D.Sc., COPPE/UFRJ, Rio de Janeiro, RJ, Brasil. Windle, R. & Dresner, M. (1999) Competitive Responses to Low Cost Carrier Entry. Transportation Research - Part E 35, 59-75. Wooldridge, J. (2002) Introductory Econometrics Analysis of Cross Section and Panel Data, 2ª ed. Cambridge, MA: The MIT Press. 70 APÊNDICE 1- Identificação e escolha de instrumentos O problema de variáveis explicativas endógenas surge basicamente por três situações: omissão de variáveis, erro de mensuração e simultaneidade. Em todos os casos, o estimador de Mínimos Quadrados se torna viesado e inconsistente, dado que uma de suas hipóteses básicas é violada (ver maiores detalhes em Wooldridge, 2002). Nesse caso, o procedimento usual é usar um estimador por variáveis instrumentais – IV. Especificamente nesse trabalho, a endogeneidade se origina da simultaneidade entre demanda e oferta, em que preço e quantidade, ao serem determinados conjuntamente, estão correlacionados com o erro aleatório. Assim, a solução para o problema de identificação de uma equação constitui-se na procura e escolha de instrumentos fortes (relevantes e válidos) de modo a produzir estimativas não-viesadas e consistentes para os parâmetros. Nesse sentido, grande parte das discussões acadêmicas sobre modelos que possuem variáveis explicativas endógenas está no procedimento de escolha e na justificativa para uso de determinados instrumentos. No caso da identificação da demanda, têm-se como possíveis instrumentos: deslocadores exógenos de custo (combustível, taxa de câmbio, e outros) preços em outros mercados/cidades; esse tipo de instrumento foi proposto por Hausman, Leonard e Zona (1994), partindo da hipótese de que preços de um mesmo produto, em mercados/cidades diferentes possuem componentes comuns de custos, enquanto que o componente de demanda seria específico. Logo, um choque exógeno que alterasse os preços em todos os mercados seria advindo do componentes de custos, validando a utilização de tais instrumentos. 71 variáveis defasadas no tempo; estas contam com o reconhecimento do fato de que as variações observadas na variável dependente de um período, não tem efeito limitado ao período em que ocorrem. Geralmente existem defasagens de ajuste entre o período em que o choque ocorreu e o período em que ele de fato influenciou a variável dependente. A utilização desses instrumentos não deve necessariamente ser exclusiva, tanto que nesse trabalho optou-se por usar uma combinação dos três. Para a identificação da oferta, os instrumentos sugeridos seriam: deslocadores exógenos de demanda (ex: PIB e outros) atributos das firmas rivais; estes, por serem deslocadores de demanda da firma e não estarem correlacionados diretamente com o preço da firma (Berry, Levinson e Pakes, 1995). Também, nesse caso optou-se por utilzar a combinação dos dois instrumentos acima citados. 72 APÊNDICE 2 - Estimação em dois estágios e desvios padrões incorretos Pensando analiticamente nesse problema, considere: i) Uma equação de demanda tal como: q = β 0 + β1 p + β 2 p − + ... + β n x n + v (13) onde, p − , x1 ,..., x n são variáveis exógenas e q e p são variáveis endógenas. ii) Uma equação de “oferta” tal como: p = γ 0 + γ 1 q tp + γ 2 x 2 + ....γ n x n + u (14) onde: q tp = q / βˆ1 (supondo a situação de Bertrand-Nash onde θ = 0) . No primeiro estágio, estima-se a demanda tal como em (9). No segundo estágio estima-se a oferta, lembrando que os valores da variável q tp nesta equação não são os valores observados, mas sim os valores construídos com um parâmetro estimado no primeiro estágio e por isso, pode ser definida como: q tp = qˆ tp + v onde, q tp se compõe de uma parte sistemática, q̂ tp , e de uma parte aleatória, v . (15) 73 Assim, podemos representar a equação no segundo estágio da seguinte maneira: p = γ 0 + γ 1 (qˆ tp + v) + γ 2 x 2 + ....γ n x n + u ⇒ ⇒ p = γ 0 + γ 1 qˆ tp + γ 2 x 2 + ....γ n x n + (u + γ 1v) (16) Logo, a estimativa da variância e conseqüentemente do desvio-padrão do erro aleatório no segundo estágio não é referente a u , como desejávamos, mas referente a (u + γ 1v) . Isso significa que a estimativa do desvio-padrão do erro aleatório do segundo estágio contém um componente aleatório adicional resultante do primeiro estágio. Como a variância dos parâmetros estimados depende da variância estimada do erro aleatório, elas também ficam afetadas. Ou seja, as variâncias das estimativas dos parâmetros que deveriam ser: Var (γˆ ) = σˆ u2 n ∑ (x i =1 (17) − x j ) (1 − R ) 2 ij 2 j se apresentam tal como: Var (γˆ ) = σˆ (2u +γ v ) 1 n ∑(x i =1 ij (18) − x j ) (1 − R ) 2 2 j 74 E por esse motivo, dizemos que as variâncias, ou de outra forma, os desvios-padrões das estimativas dos parâmetros do segundo estágio devem ser corrigidos. É importante salientar que o estimador (seja 2SLS, GMM ou outro) continua sendo consistente e produzindo estimativas não tendenciosas dos parâmetros. A correção dos desvios-padrões é necessária para a realização de inferências estatísticas tais como a realização de testes de hipótese e a construção de intervalos de confiança. 75 APÊNDICE 3 - Bootstrap e correção de desvios-padrões Tem-se como guia prático para estimar desvio-padrões, o seguinte procedimento de bootstrap (Efron & Tibshirani, 1993): 1) Seleciona-se B amostras independentes de bootstrap x*¹, x*², ..., x*B, cada uma consistindo de n elementos gerados num processo aleatório e com reposição de x. 2) Estima-se o valor do par desejado correspondente a cada reamostra de bootstrap: θˆ *(b) = s (x*b) b = 1, 2, 3, ...., B (19) onde θˆ * é a réplica bootstrap de θˆ e θˆ é a estimativa do parâmetro de interesse, θ . 3) Estima-se o erro padrão se F ( θˆ ) pelo desvio-padrão das amostras das B réplicas: B seˆ B = {∑ [θˆ * (b) − θˆ(.)] 2 / B − 1}1 / 2 (20) b =1 onde seˆB é o desvio-padrão das réplicas bootstrap de se F ( θˆ ) e θˆ *(.) = ∑ B θˆ * (b) / B . b =1 Assim, à medida em que B tende a infinito, o desvio-padrão estimado pelo bootstrap tende ao desvio-padrão da população. Pelo fato de que essa aproximação envolve a repetição do procedimento de análise dos dados originais com muitas réplicas do conjunto de dados, isso é às vezes chamado de método intensivo-computacional (Davison & Hinkley, 1997). O algoritmo bootstrap para estimar o desvio-padrão pode ainda ser visualizado pela seguinte Figura 4: 76 Amostra x de tamanho n, de uma população com distribuição de probabilidade desconhecida F. B reamostras bootstrap de tamanho n obtida de x com reposição de elementos. x = ( x1 , x2 ,..., xn ) x *1 x *2 M x *B Replicações bootstrap da estatística desejada Desvio- padrão estimado através de bootstrap B *1 s( x ) s ( x *2 ) M seˆ B = {∑ [ s ( x *b − ∑b =1 s ( x *b ) / B ] 2 / B − 1}1 / 2 B b =1 s ( x *B ) Figura 7 – Algoritmo Bootstrap para estimar desvios-padrões. Fonte: baseado em Efron & Tibshirani (1993). Para o caso específico do presente trabalho, o procedimento adotado será semelhante ao descrito acima. E ressaltando, o objetivo ao utilizá-lo é considerar que a variável construída com parâmetro estimado na demanda é aleatória e não determinística. Ou seja, pretende-se, através da reamostragem, conferir aleatoriedade na variável de modo a minimizar o viés que se produz ao considerá-la determinística. No entanto, cabe aqui explicitá-lo em detalhes. A partir da amostra inicial (tamanho n) das variáveis explicativas da segunda equação (equação de oferta) e estima-se o modelo e obtém-se, por exemplo, a estimativa de γ 1 relacionada a qˆm1 . Para obter o que chamaremos de verdadeiro desvio-padrão ou desviopadrão corrigido de γˆ1 , gera-se B reamostras de qm1 , de tamanho n, re-estimando o modelo para cada reamostra. Ao final do processo, tem-se um γˆ1 para cada reamostra e pode-se então, calcular o desvio-padrão “verdadeiro” a partir da distribuição das γˆ1B ' s obtidas. 77 Amostra x de tamanho n, de uma população com distribuição de probabilidade desconhecida F. q tp = ( q1tp , q2tp ,..., qntp ) B reamostras bootstrap de tamanho n obtida de x com reposição de elementos. q tp *1 q tp *2 M q tp*B Replicações bootstrap da estatística desejada Desvio- padrão estimado através de bootstrap B γˆ *1 γˆ *2 seˆB = {∑ [ γˆ *b − ∑b=1 γˆ *b / B]2 / B − 1}1/ 2 B b=1 M γˆ *B Figura 8 – Representação do algoritmo bootstrap para uma das variáveis da segunda equação do modelo (equação de oferta). Fonte: Elaborado pela autora. 78 ANEXO 1 - Estimações e testes de hipótese *Gol* *demanda* . . ivreg2 q (p pjmp = x1pi x12pi x3pi x19pi l.fuel l.maint l.rental l.charges avstl) pib2 k1-k20 if i1==1, gmm Warning - collinearities detected Vars dropped: k10 GMM estimation -------------- Total (centered) SS Total (uncentered) SS Residual SS = = = 1031862872 2640023965 228400552.2 Number of obs F( 22, 377) Prob > F Centered R2 Uncentered R2 Root MSE = = = = = = 400 56.63 0.0000 0.7787 0.9135 755.6 -----------------------------------------------------------------------------| Robust q | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------p | -7.063229 1.353457 -5.22 0.000 -9.715957 -4.410501 pjmp | 5.905731 .9389284 6.29 0.000 4.065465 7.745997 pib2 | 33.60271 3.285339 10.23 0.000 27.16357 40.04186 k1 | 413.5034 193.5187 2.14 0.033 34.2137 792.793 k2 | -788.4123 383.4102 -2.06 0.040 -1539.883 -36.94211 k3 | 4900.33 371.0526 13.21 0.000 4173.08 5627.579 k4 | 193.3573 263.4853 0.73 0.463 -323.0645 709.779 k5 | -938.8554 162.6764 -5.77 0.000 -1257.695 -620.0155 k6 | -1358.164 261.747 -5.19 0.000 -1871.179 -845.1493 k7 | 339.1084 188.3774 1.80 0.072 -30.10457 708.3213 k8 | 4769.295 392.0164 12.17 0.000 4000.957 5537.633 k9 | 203.4507 222.5095 0.91 0.361 -232.6599 639.5613 k11 | 49.94278 164.2849 0.30 0.761 -272.0497 371.9353 k12 | 563.3226 265.7543 2.12 0.034 42.45379 1084.191 k13 | -586.2512 384.2967 -1.53 0.127 -1339.459 166.9565 k14 | 110.2237 279.2752 0.39 0.693 -437.1457 657.593 k15 | 173.0087 215.8977 0.80 0.423 -250.143 596.1605 k16 | -968.7039 162.0572 -5.98 0.000 -1286.33 -651.0776 k17 | 270.8344 226.1143 1.20 0.231 -172.3414 714.0102 k18 | 113.5945 163.4157 0.70 0.487 -206.6945 433.8834 k19 | -1361.188 261.9303 -5.20 0.000 -1874.562 -847.8135 k20 | 782.4594 251.8274 3.11 0.002 288.8867 1276.032 _cons | -3276.686 515.4464 -6.36 0.000 -4286.942 -2266.429 -----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test): 121.684 Chi-sq(8) P-val = 0.0000 -----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments): 8.414 Chi-sq(7) P-val = 0.2975 -----------------------------------------------------------------------------Instrumented: p pjmp Included instruments: pib2 k1 k2 k3 k4 k5 k6 k7 k8 k9 k11 k12 k13 k14 k15 k16 k17 k18 k19 k20 Excluded instruments: x1pi x12pi x3pi x19pi L.fuel L.maint L.rental L.charges avstl Dropped collinear: k10 ------------------------------------------------------------------------------ 79 * elasticidade * . sum elas_p_gol elas_pjmp_gol elas_pib_gol if i1==1 Variable | Obs Mean Std. Dev. Min Max -------------+-------------------------------------------------------elas_p_gol | 420 -2.038626 2.579062 -31.62553 -.2025137 elas_pjmp_~l | 420 2.556617 2.671022 .2427818 30.16776 elas_pib_gol | 420 3.488406 3.212035 .5423494 33.21311 *relação de oferta - Base* . . ivreg2 p (q q_tcambio = pib2 wda wea wdc stpc web pkb) avt_ipca k2-k20 if i1==1, gmm GMM estimation -------------- Total (centered) SS Total (uncentered) SS Residual SS = = = 4754834.748 48817833.73 1418723.834 Number of obs F( 22, 397) Prob > F Centered R2 Uncentered R2 Root MSE = = = = = = 420 74.36 0.0000 0.7016 0.9709 58.12 -----------------------------------------------------------------------------| Robust p | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------q | .1045285 .0294146 3.55 0.000 .0468768 .1621801 q_tcambio | -.0452847 .0147098 -3.08 0.002 -.0741154 -.0164541 avt_ipca | .2992002 .0823316 3.63 0.000 .1378333 .4605671 k2 | 190.2179 33.8929 5.61 0.000 123.7891 256.6468 k3 | 128.5084 84.11405 1.53 0.127 -36.35214 293.3689 k4 | 83.88276 19.61662 4.28 0.000 45.4349 122.3306 k5 | -69.80994 23.29725 -3.00 0.003 -115.4717 -24.14817 k6 | -44.60423 31.62372 -1.41 0.158 -106.5856 17.37712 k7 | -4.497556 12.97492 -0.35 0.729 -29.92794 20.93283 k8 | 134.9195 88.39122 1.53 0.127 -38.32412 308.1631 k9 | 74.55858 17.68668 4.22 0.000 39.89332 109.2238 k10 | -12.35628 11.93878 -1.03 0.301 -35.75585 11.0433 k11 | -41.76092 12.38342 -3.37 0.001 -66.03197 -17.48987 k12 | 65.41005 16.24222 4.03 0.000 33.57589 97.24421 k13 | 187.3444 30.7815 6.09 0.000 127.0138 247.6751 k14 | 85.60073 18.89458 4.53 0.000 48.56804 122.6334 k15 | 70.1795 17.36456 4.04 0.000 36.14559 104.2134 k16 | -82.60331 22.7409 -3.63 0.000 -127.1747 -38.03197 k17 | -6.522523 14.89724 -0.44 0.662 -35.72058 22.67554 k18 | -44.10257 11.9843 -3.68 0.000 -67.59137 -20.61378 k19 | -37.59443 33.19491 -1.13 0.257 -102.6553 27.46641 k20 | 78.04484 17.1898 4.54 0.000 44.35345 111.7362 _cons | 293.9139 28.70042 10.24 0.000 237.6621 350.1657 -----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test): 11.120 Chi-sq(6) P-val = 0.0847 -----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments): 7.610 Chi-sq(5) P-val = 0.1791 -----------------------------------------------------------------------------Instrumented: q q_tcambio Included instruments: avt_ipca k2 k3 k4 k5 k6 k7 k8 k9 k10 k11 k12 k13 k14 k15 k16 k17 k18 k19 k20 Excluded instruments: pib2 wda wea wdc stpc web pkb ------------------------------------------------------------------------------ 80 *testes - caso base* . lincom q -0 ( 1) q = 0 -----------------------------------------------------------------------------p | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------(1) | .1045285 .0294146 3.55 0.000 .0468768 .1621801 -----------------------------------------------------------------------------. . lincom _b[q] + _b[q_tcambio]*3.14 ( 1) q + 3.14 q_tcambio = 0 -----------------------------------------------------------------------------p | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------(1) | -.0376656 .0194067 -1.94 0.052 -.075702 .0003708 ------------------------------------------------------------------------------ *Tomador de preço* . . ivreg2 p (q1i1 q1_tcambio_i1 = pib2 wda wea wdc stpc web pkb) avt_ipca k2-k20 if i1==1, gmm GMM estimation -------------- Total (centered) SS Total (uncentered) SS Residual SS = = = 4754834.748 48817833.73 1418723.953 Number of obs F( 22, 397) Prob > F Centered R2 Uncentered R2 Root MSE = = = = = = 420 74.36 0.0000 0.7016 0.9709 58.12 -----------------------------------------------------------------------------| Robust p | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------q1i1 | .7383086 .2077623 3.55 0.000 .3311019 1.145515 q1_tcambio~1 | -.3198565 .1038985 -3.08 0.002 -.5234939 -.1162191 avt_ipca | .2992003 .0823316 3.63 0.000 .1378333 .4605672 k2 | 190.2179 33.8929 5.61 0.000 123.7891 256.6468 k3 | 128.5084 84.11406 1.53 0.127 -36.35214 293.3689 k4 | 83.88276 19.61662 4.28 0.000 45.4349 122.3306 k5 | -69.80994 23.29725 -3.00 0.003 -115.4717 -24.14818 k6 | -44.60424 31.62372 -1.41 0.158 -106.5856 17.37711 k7 | -4.497554 12.97492 -0.35 0.729 -29.92794 20.93283 k8 | 134.9195 88.39122 1.53 0.127 -38.32412 308.1631 k9 | 74.55857 17.68668 4.22 0.000 39.89332 109.2238 k10 | -12.35628 11.93878 -1.03 0.301 -35.75585 11.0433 k11 | -41.76092 12.38342 -3.37 0.001 -66.03197 -17.48987 k12 | 65.41006 16.24222 4.03 0.000 33.5759 97.24422 k13 | 187.3444 30.7815 6.09 0.000 127.0138 247.6751 k14 | 85.60073 18.89458 4.53 0.000 48.56803 122.6334 k15 | 70.1795 17.36456 4.04 0.000 36.14559 104.2134 k16 | -82.60332 22.7409 -3.63 0.000 -127.1747 -38.03197 k17 | -6.522518 14.89724 -0.44 0.662 -35.72058 22.67554 k18 | -44.10257 11.9843 -3.68 0.000 -67.59137 -20.61378 k19 | -37.59443 33.19491 -1.13 0.257 -102.6553 27.4664 k20 | 78.04485 17.1898 4.54 0.000 44.35346 111.7362 _cons | 293.9139 28.70042 10.24 0.000 237.6621 350.1657 ------------------------------------------------------------------------------ 81 Anderson canon. corr. LR statistic (identification/IV relevance test): 11.120 Chi-sq(6) P-val = 0.0847 -----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments): 7.610 Chi-sq(5) P-val = 0.1791 -----------------------------------------------------------------------------Instrumented: q1i1 q1_tcambio_i1 Included instruments: avt_ipca k2 k3 k4 k5 k6 k7 k8 k9 k10 k11 k12 k13 k14 k15 k16 k17 k18 k19 k20 Excluded instruments: pib2 wda wea wdc stpc web pkb ------------------------------------------------------------------------------ * Tomador de preço – com bootstrap* . . ereturn display -----------------------------------------------------------------------------| Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------q1i1 | .7383086 .2966636 2.49 0.013 .1568587 1.319759 q1_tcambio~1 | -.3198565 .1558764 -2.05 0.040 -.6253686 -.0143444 avt_ipca | .2992003 .1037366 2.88 0.004 .0958803 .5025202 k2 | 190.2179 47.12049 4.04 0.000 97.86345 282.5724 k3 | 128.5084 124.7275 1.03 0.303 -115.953 372.9698 k4 | 83.88276 22.78961 3.68 0.000 39.21595 128.5496 k5 | -69.80994 32.4739 -2.15 0.032 -133.4576 -6.162279 k6 | -44.60424 43.34072 -1.03 0.303 -129.5505 40.34201 k7 | -4.497554 13.97032 -0.32 0.748 -31.87887 22.88377 k8 | 134.9195 130.018 1.04 0.299 -119.911 389.75 k9 | 74.55857 21.45657 3.47 0.001 32.50447 116.6127 k10 | -12.35628 13.96671 -0.88 0.376 -39.73053 15.01797 k11 | -41.76092 12.91722 -3.23 0.001 -67.07821 -16.44363 k12 | 65.41006 20.73699 3.15 0.002 24.7663 106.0538 k13 | 187.3444 42.21495 4.44 0.000 104.6046 270.0842 k14 | 85.60073 21.46704 3.99 0.000 43.5261 127.6753 k15 | 70.1795 21.54502 3.26 0.001 27.95203 112.407 k16 | -82.60332 31.30443 -2.64 0.008 -143.9589 -21.24777 k17 | -6.522518 16.11813 -0.40 0.686 -38.11348 25.06844 k18 | -44.10257 13.10376 -3.37 0.001 -69.78546 -18.41968 k19 | -37.59443 44.90934 -0.84 0.403 -125.6151 50.42626 k20 | 78.04485 19.23248 4.06 0.000 40.34988 115.7398 _cons | 293.9139 42.59756 6.90 0.000 210.4243 377.4036 -----------------------------------------------------------------------------. . *testes - TP* . . lincom q1i1 - 1 ( 1) q1i1 = 1 -----------------------------------------------------------------------------| Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------(1) | -.2616914 .2966636 -0.88 0.378 -.8431413 .3197585 -----------------------------------------------------------------------------. . lincom _b[q1i1] + _b[q1_tcambio_i1]*3.14 - 1 ( 1) q1i1 + 3.14 q1_tcambio_i1 = 1 -----------------------------------------------------------------------------| Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------(1) | -1.266041 .2086878 -6.07 0.000 -1.675061 -.8570203 ------------------------------------------------------------------------------ 82 * Equiparador de preço* . . ivreg2 p (q2i1 q2_tcambio_i1 = pib2 wda wea wdc stpc web pkb) avt_ipca k1-k20 if i1==1, gmm Warning - collinearities detected Vars dropped: k6 GMM estimation -------------- Total (centered) SS Total (uncentered) SS Residual SS = = = 4754834.748 48817833.73 1418723.502 Number of obs F( 22, 397) Prob > F Centered R2 Uncentered R2 Root MSE = = = = = = 420 74.36 0.0000 0.7016 0.9709 58.12 -----------------------------------------------------------------------------| Robust p | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------q2i1 | .1209915 .0340474 3.55 0.000 .0542599 .1877232 q2_tcambio~1 | -.052417 .0170265 -3.08 0.002 -.0857884 -.0190456 avt_ipca | .2992002 .0823316 3.63 0.000 .1378333 .4605671 k1 | 44.60421 31.62372 1.41 0.158 -17.37713 106.5856 k2 | 234.8222 18.66124 12.58 0.000 198.2468 271.3975 k3 | 173.1125 109.8821 1.58 0.115 -42.25246 388.4775 k4 | 128.487 25.69242 5.00 0.000 78.13077 178.8432 k5 | -25.20571 18.78429 -1.34 0.180 -62.02225 11.61082 k7 | 40.10666 31.67217 1.27 0.205 -21.96966 102.183 k8 | 179.5236 114.2783 1.57 0.116 -44.45783 403.5051 k9 | 119.1628 25.33269 4.70 0.000 69.51164 168.8139 k10 | 32.24794 29.3131 1.10 0.271 -25.20469 89.70056 k11 | 2.843289 32.1316 0.09 0.929 -60.13349 65.82007 k12 | 110.0143 37.79939 2.91 0.004 35.92882 184.0997 k13 | 231.9487 18.47435 12.56 0.000 195.7396 268.1577 k14 | 130.2049 26.56672 4.90 0.000 78.13514 182.2748 k15 | 114.7837 25.04407 4.58 0.000 65.69825 163.8692 k16 | -37.99908 19.16238 -1.98 0.047 -75.55665 -.4415152 k17 | 38.08169 32.64658 1.17 0.243 -25.90442 102.0678 k18 | .5016339 31.7592 0.02 0.987 -61.74525 62.74851 k19 | 7.00981 18.533 0.38 0.705 -29.31421 43.33383 k20 | 122.6491 37.21114 3.30 0.001 49.71655 195.5816 _cons | 249.3097 22.6819 10.99 0.000 204.854 293.7654 -----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test): 11.120 Chi-sq(6) P-val = 0.0847 -----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments): 7.610 Chi-sq(5) P-val = 0.1791 -----------------------------------------------------------------------------Instrumented: q2i1 q2_tcambio_i1 Included instruments: avt_ipca k1 k2 k3 k4 k5 k7 k8 k9 k10 k11 k12 k13 k14 k15 k16 k17 k18 k19 k20 Excluded instruments: pib2 wda wea wdc stpc web pkb Dropped collinear: k6 ------------------------------------------------------------------------------ * Equiparador de preço – com bootstrap* . ereturn display -----------------------------------------------------------------------------| Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------q2i1 | .1209915 .049537 2.44 0.015 .0239008 .2180822 q2_tcambio~1 | -.052417 .0260931 -2.01 0.045 -.1035584 -.0012755 83 avt_ipca | .2992002 .1063858 2.81 0.005 .0906878 .5077126 k2 | 190.218 49.02904 3.88 0.000 94.12281 286.3131 k3 | 128.5083 126.6764 1.01 0.310 -119.7728 376.7894 k4 | 83.88277 21.66788 3.87 0.000 41.41451 126.351 k5 | -69.80992 33.9101 -2.06 0.040 -136.2725 -3.347358 k6 | -44.60421 44.65548 -1.00 0.318 -132.1273 42.91892 k7 | -4.497555 13.71186 -0.33 0.743 -31.3723 22.37719 k8 | 134.9194 134.8268 1.00 0.317 -129.3362 399.1751 k9 | 74.55858 22.14472 3.37 0.001 31.15574 117.9614 k10 | -12.35628 13.96613 -0.88 0.376 -39.72939 15.01684 k11 | -41.76092 13.28049 -3.14 0.002 -67.7902 -15.73165 k12 | 65.41005 20.69332 3.16 0.002 24.8519 105.9682 k13 | 187.3444 44.34733 4.22 0.000 100.4253 274.2636 k14 | 85.60074 21.81206 3.92 0.000 42.84989 128.3516 k15 | 70.1795 22.12499 3.17 0.002 26.81533 113.5437 k16 | -82.6033 32.44386 -2.55 0.011 -146.1921 -19.0145 k17 | -6.522518 16.09518 -0.41 0.685 -38.06848 25.02345 k18 | -44.10258 12.82596 -3.44 0.001 -69.24099 -18.96416 k19 | -37.5944 45.75893 -0.82 0.411 -127.2803 52.09145 k20 | 78.04484 20.67452 3.77 0.000 37.52354 118.5661 _cons | 293.9139 44.00842 6.68 0.000 207.659 380.1688 ------------------------------------------------------------------------------ *testes - EP* . . lincom q2i1 - 1 ( 1) q2i1 = 1 -----------------------------------------------------------------------------| Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------(1) | -.8790085 .049537 -17.74 0.000 -.9760992 -.7819178 -----------------------------------------------------------------------------. . lincom _b[q2i1] + _b[q2_tcambio_i1]*3.14 - 1 ( 1) q2i1 + 3.14 q2_tcambio_i1 = 1 -----------------------------------------------------------------------------| Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------(1) | -1.043598 .0351942 -29.65 0.000 -1.112577 -.9746184 ------------------------------------------------------------------------------ *TAM* * demanda* . ivreg2 q (p pjmp = x1pi x12pi x3pi x19pi l.fuel l.maint l.rental l.charges avstl) pib2 k1-k20 if i2==1, gmm Warning - collinearities detected Vars dropped: k3 GMM estimation -------------- Total (centered) SS = 5196064323 Number of obs F( 22, 377) Prob > F Centered R2 = = = = 400 117.01 0.0000 0.9362 84 Total (uncentered) SS Residual SS = = 8851610752 331613207.6 Uncentered R2 = Root MSE = 0.9625 910.5 -----------------------------------------------------------------------------| Robust q | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------p | -4.377759 .8448648 -5.18 0.000 -6.033663 -2.721854 pjmp | 4.967734 1.287843 3.86 0.000 2.443608 7.49186 pib2 | 39.51932 6.613354 5.98 0.000 26.55738 52.48125 k1 | -10073.56 424.6342 -23.72 0.000 -10905.83 -9241.291 k2 | -11147.34 572.852 -19.46 0.000 -12270.11 -10024.58 k4 | -9884.124 454.9575 -21.73 0.000 -10775.82 -8992.423 k5 | -11714.09 397.8025 -29.45 0.000 -12493.77 -10934.41 k6 | -10644.31 474.2657 -22.44 0.000 -11573.85 -9714.765 k7 | -9947.517 422.7646 -23.53 0.000 -10776.12 -9118.914 k8 | -61.77646 624.8211 -0.10 0.921 -1286.403 1162.85 k9 | -9703.224 451.2562 -21.50 0.000 -10587.67 -8818.778 k10 | -10517.28 431.47 -24.38 0.000 -11362.95 -9671.617 k11 | -11319.97 388.7773 -29.12 0.000 -12081.96 -10557.98 k12 | -9228.058 458.1659 -20.14 0.000 -10126.05 -8330.069 k13 | -11217.72 568.5117 -19.73 0.000 -12331.98 -10103.46 k14 | -9795.072 459.0573 -21.34 0.000 -10694.81 -8895.336 k15 | -9790.93 459.0238 -21.33 0.000 -10690.6 -8891.26 k16 | -11764.69 396.9492 -29.64 0.000 -12542.7 -10986.68 k17 | -11049.29 425.5386 -25.97 0.000 -11883.33 -10215.25 k18 | -11414.78 394.8744 -28.91 0.000 -12188.72 -10640.84 k19 | -10682.74 459.371 -23.26 0.000 -11583.09 -9782.393 k20 | -9439.113 471.9181 -20.00 0.000 -10364.06 -8514.171 _cons | 8369.917 1055.438 7.93 0.000 6301.297 10438.54 -----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test): 123.930 Chi-sq(8) P-val = 0.0000 -----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments): 9.491 Chi-sq(7) P-val = 0.2193 -----------------------------------------------------------------------------Instrumented: p pjmp Included instruments: pib2 k1 k2 k4 k5 k6 k7 k8 k9 k10 k11 k12 k13 k14 k15 k16 k17 k18 k19 k20 Excluded instruments: x1pi x12pi x3pi x19pi L.fuel L.maint L.rental L.charges avstl Dropped collinear: k3 ------------------------------------------------------------------------------ *elasticidades* . sum elas_p_tam elas_pjmp_tam elas_pib_tam if i3==1 Variable | Obs Mean Std. Dev. Min Max -------------+-------------------------------------------------------elas_p_tam | 420 -5.648178 12.02329 -111.3979 -.1420891 elas_pjmp_~m | 420 3.825215 7.233642 .1310787 60.11192 elas_pib_tam | 420 10.63157 19.59313 .5935276 159.2654 * relação de oferta* . . ivreg2 p (q q_tcambio = pib2 wdb pka wec) avt_ipca k1-k20 if i2==1, gmm Warning - collinearities detected Vars dropped: k6 GMM estimation Number of obs = 420 85 Total (centered) SS Total (uncentered) SS Residual SS = = = 16056313.7 159320708.5 4885224.185 F( 22, 397) Prob > F Centered R2 Uncentered R2 Root MSE = = = = = 64.86 0.0000 0.6957 0.9693 107.8 -----------------------------------------------------------------------------| Robust p | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------q | .1294569 .0458305 2.82 0.005 .0396308 .2192831 q_tcambio | -.0452899 .0135976 -3.33 0.001 -.0719407 -.0186391 avt_ipca | .6013588 .1001591 6.00 0.000 .4050507 .797667 k1 | -87.33329 50.14073 -1.74 0.082 -185.6073 10.94074 k2 | 212.9787 35.14996 6.06 0.000 144.086 281.8714 k3 | -1.777127 230.3752 -0.01 0.994 -453.3042 449.75 k4 | -19.98731 43.89047 -0.46 0.649 -106.011 66.03643 k5 | -97.34259 41.04344 -2.37 0.018 -177.7862 -16.89894 k7 | -82.11069 50.68069 -1.62 0.105 -181.443 17.22164 k8 | 7.083611 220.6367 0.03 0.974 -425.3563 439.5235 k9 | -28.88036 45.56099 -0.63 0.526 -118.1783 60.41753 k10 | -30.91997 63.4609 -0.49 0.626 -155.301 93.4611 k11 | -124.422 41.59948 -2.99 0.003 -205.9555 -42.88857 k12 | -5.928295 53.64194 -0.11 0.912 -111.0646 99.20797 k13 | 196.1286 35.53958 5.52 0.000 126.4723 265.7849 k14 | 2.943221 42.69013 0.07 0.945 -80.7279 86.61434 k15 | -32.78719 44.67594 -0.73 0.463 -120.3504 54.77604 k16 | -112.1957 39.40577 -2.85 0.004 -189.4296 -34.9618 k17 | -123.7095 47.56387 -2.60 0.009 -216.933 -30.48606 k18 | -143.7496 40.0939 -3.59 0.000 -222.3322 -65.16696 k19 | -12.86333 37.20704 -0.35 0.730 -85.78779 60.06113 k20 | -34.99035 53.6124 -0.65 0.514 -140.0687 70.08802 _cons | 447.4337 65.75211 6.80 0.000 318.5619 576.3054 -----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test): 26.560 Chi-sq(3) P-val = 0.0000 -----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments): 1.887 Chi-sq(2) P-val = 0.3893 -----------------------------------------------------------------------------Instrumented: q q_tcambio Included instruments: avt_ipca k1 k2 k3 k4 k5 k7 k8 k9 k10 k11 k12 k13 k14 k15 k16 k17 k18 k19 k20 Excluded instruments: pib2 wdb pka wec Dropped collinear: k6 -----------------------------------------------------------------------------. . lincom q - 0 ( 1) q = 0 -----------------------------------------------------------------------------p | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------(1) | .1294569 .0458305 2.82 0.005 .0396308 .2192831 -----------------------------------------------------------------------------. . lincom _b[q] + _b[q_tcambio]*3.14 ( 1) q + 3.14 q_tcambio = 0 -----------------------------------------------------------------------------p | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------(1) | -.0127534 .0188577 -0.68 0.499 -.0497137 .024207 ------------------------------------------------------------------------------ 86 . . *Tomador de preço* . . ivreg2 p (q1i2 q1_tcambio_i2 = pib2 wdb pka wec) avt_ipca k1-k20 if i2==1, gmm Warning - collinearities detected Vars dropped: k6 GMM estimation -------------- Total (centered) SS Total (uncentered) SS Residual SS = = = 16056313.7 159320708.5 4885224.422 Number of obs F( 22, 397) Prob > F Centered R2 Uncentered R2 Root MSE = = = = = = 420 64.86 0.0000 0.6957 0.9693 107.8 -----------------------------------------------------------------------------| Robust p | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------q1i2 | .5667312 .2006349 2.82 0.005 .173494 .9599683 q1_tcambio~2 | -.1982683 .0595269 -3.33 0.001 -.3149388 -.0815977 avt_ipca | .6013589 .1001591 6.00 0.000 .4050507 .797667 k1 | -87.33328 50.14074 -1.74 0.082 -185.6073 10.94076 k2 | 212.9787 35.14996 6.06 0.000 144.086 281.8714 k3 | -1.777118 230.3752 -0.01 0.994 -453.3042 449.75 k4 | -19.98731 43.89047 -0.46 0.649 -106.011 66.03643 k5 | -97.34259 41.04344 -2.37 0.018 -177.7862 -16.89893 k7 | -82.11069 50.6807 -1.62 0.105 -181.443 17.22165 k8 | 7.083613 220.6367 0.03 0.974 -425.3563 439.5236 k9 | -28.88035 45.56099 -0.63 0.526 -118.1783 60.41754 k10 | -30.91997 63.4609 -0.49 0.626 -155.301 93.46111 k11 | -124.422 41.59948 -2.99 0.003 -205.9555 -42.88856 k12 | -5.928294 53.64194 -0.11 0.912 -111.0646 99.20797 k13 | 196.1286 35.53958 5.52 0.000 126.4723 265.7849 k14 | 2.943227 42.69013 0.07 0.945 -80.72789 86.61435 k15 | -32.78718 44.67594 -0.73 0.463 -120.3504 54.77605 k16 | -112.1957 39.40577 -2.85 0.004 -189.4296 -34.9618 k17 | -123.7095 47.56387 -2.60 0.009 -216.933 -30.48605 k18 | -143.7496 40.09391 -3.59 0.000 -222.3322 -65.16695 k19 | -12.86333 37.20704 -0.35 0.730 -85.78779 60.06113 k20 | -34.99035 53.6124 -0.65 0.514 -140.0687 70.08802 _cons | 447.4337 65.75211 6.80 0.000 318.5619 576.3054 -----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test): 26.560 Chi-sq(3) P-val = 0.0000 -----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments): 1.887 Chi-sq(2) P-val = 0.3893 -----------------------------------------------------------------------------Instrumented: q1i2 q1_tcambio_i2 Included instruments: avt_ipca k1 k2 k3 k4 k5 k7 k8 k9 k10 k11 k12 k13 k14 k15 k16 k17 k18 k19 k20 Excluded instruments: pib2 wdb pka wec Dropped collinear: k6 ------------------------------------------------------------------------------ *Tomador de preço – com bootstrap* . . ereturn display 87 -----------------------------------------------------------------------------| Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------q1i2 | .5667312 .2367252 2.39 0.017 .1027584 1.030704 q1_tcambio~2 | -.1982683 .07078 -2.80 0.005 -.3369945 -.059542 avt_ipca | .6013589 .1141194 5.27 0.000 .377689 .8250287 k2 | 300.312 59.65155 5.03 0.000 183.3971 417.2269 k3 | 85.55616 234.0621 0.37 0.715 -373.1972 544.3095 k4 | 67.34597 41.39868 1.63 0.104 -13.79394 148.4859 k5 | -10.00931 49.22733 -0.20 0.839 -106.4931 86.47448 k6 | 87.33328 56.11861 1.56 0.120 -22.65717 197.3237 k7 | 5.222591 21.15787 0.25 0.805 -36.24608 46.69126 k8 | 94.41689 227.5915 0.41 0.678 -351.6543 540.4881 k9 | 58.45292 30.11833 1.94 0.052 -.5779195 117.4838 k10 | 56.41331 43.50797 1.30 0.195 -28.86074 141.6874 k11 | -37.08876 37.84313 -0.98 0.327 -111.2599 37.08242 k12 | 81.40498 34.64902 2.35 0.019 13.49415 149.3158 k13 | 283.4619 59.14663 4.79 0.000 167.5366 399.3871 k14 | 90.2765 40.34329 2.24 0.025 11.20512 169.3479 k15 | 54.54609 30.45293 1.79 0.073 -5.140559 114.2327 k16 | -24.8624 51.3981 -0.48 0.629 -125.6008 75.87602 k17 | -36.37625 26.78134 -1.36 0.174 -88.86671 16.11422 k18 | -56.41628 36.64634 -1.54 0.124 -128.2418 15.40922 k19 | 74.46995 54.23332 1.37 0.170 -31.82541 180.7653 k20 | 52.34293 33.94214 1.54 0.123 -14.18245 118.8683 _cons | 360.1004 73.74562 4.88 0.000 215.5616 504.6392 -----------------------------------------------------------------------------. . *testes - TP* . . lincom q1i2 - 1 ( 1) q1i2 = 1 -----------------------------------------------------------------------------| Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------(1) | -.4332688 .2367252 -1.83 0.067 -.8972416 .030704 -----------------------------------------------------------------------------. . lincom _b[q1i2] + _b[q1_tcambio_i2]*3.14 - 1 ( 1) q1i2 + 3.14 q1_tcambio_i2 = 1 -----------------------------------------------------------------------------| Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------(1) | -1.055831 .097035 -10.88 0.000 -1.246016 -.865646 -----------------------------------------------------------------------------. . *Equiparador de preço* . . ivreg2 p (q2i2 q2_tcambio_i2 = pib2 wdb pka wec) avt_ipca k1-k20 if i2==1, gmm Warning - collinearities detected Vars dropped: k6 GMM estimation -------------- Total (centered) SS Total (uncentered) SS Residual SS = = = 16056313.7 159320708.5 4885224.642 Number of obs F( 22, 397) Prob > F Centered R2 Uncentered R2 Root MSE = = = = = = 420 64.86 0.0000 0.6957 0.9693 107.8 88 -----------------------------------------------------------------------------| Robust p | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------q2i2 | .0763764 .0270389 2.82 0.005 .0233812 .1293716 q2_tcambio~2 | -.0267199 .0080222 -3.33 0.001 -.0424432 -.0109966 avt_ipca | .6013589 .1001591 6.00 0.000 .4050507 .797667 k1 | -87.33328 50.14074 -1.74 0.082 -185.6073 10.94077 k2 | 212.9787 35.14996 6.06 0.000 144.086 281.8714 k3 | -1.777132 230.3752 -0.01 0.994 -453.3043 449.75 k4 | -19.9873 43.89047 -0.46 0.649 -106.011 66.03643 k5 | -97.34259 41.04344 -2.37 0.018 -177.7862 -16.89893 k7 | -82.11069 50.6807 -1.62 0.105 -181.443 17.22165 k8 | 7.083659 220.6367 0.03 0.974 -425.3563 439.5236 k9 | -28.88036 45.56099 -0.63 0.526 -118.1783 60.41754 k10 | -30.91996 63.4609 -0.49 0.626 -155.301 93.46112 k11 | -124.422 41.59948 -2.99 0.003 -205.9555 -42.88856 k12 | -5.928291 53.64194 -0.11 0.912 -111.0646 99.20798 k13 | 196.1286 35.53958 5.52 0.000 126.4723 265.7849 k14 | 2.943225 42.69013 0.07 0.945 -80.7279 86.61435 k15 | -32.78718 44.67594 -0.73 0.463 -120.3504 54.77605 k16 | -112.1957 39.40577 -2.85 0.004 -189.4296 -34.9618 k17 | -123.7095 47.56387 -2.60 0.009 -216.933 -30.48605 k18 | -143.7496 40.09391 -3.59 0.000 -222.3322 -65.16695 k19 | -12.86333 37.20704 -0.35 0.730 -85.78779 60.06113 k20 | -34.99035 53.6124 -0.65 0.514 -140.0687 70.08803 _cons | 447.4337 65.75211 6.80 0.000 318.5619 576.3054 -----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test): 26.560 Chi-sq(3) P-val = 0.0000 -----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments): 1.887 Chi-sq(2) P-val = 0.3893 -----------------------------------------------------------------------------Instrumented: q2i2 q2_tcambio_i2 Included instruments: avt_ipca k1 k2 k3 k4 k5 k7 k8 k9 k10 k11 k12 k13 k14 k15 k16 k17 k18 k19 k20 Excluded instruments: pib2 wdb pka wec Dropped collinear: k6 ------------------------------------------------------------------------------ *Equiparador de preço- com bootstrap* . . ereturn display -----------------------------------------------------------------------------| Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------q2i2 | .0763764 .0329856 2.32 0.021 .0117258 .1410271 q2_tcambio~2 | -.0267199 .0097347 -2.74 0.006 -.0457995 -.0076404 avt_ipca | .6013589 .1182977 5.08 0.000 .3694996 .8332181 k2 | 300.312 59.34843 5.06 0.000 183.9912 416.6328 k3 | 85.55614 234.1433 0.37 0.715 -373.3563 544.4686 k4 | 67.34597 41.13564 1.64 0.102 -13.2784 147.9703 k5 | -10.00931 50.47722 -0.20 0.843 -108.9428 88.92422 k6 | 87.33328 56.41189 1.55 0.122 -23.232 197.8986 k7 | 5.222588 20.51131 0.25 0.799 -34.97883 45.42401 k8 | 94.41694 226.6501 0.42 0.677 -349.809 538.6429 k9 | 58.45292 30.53562 1.91 0.056 -1.395792 118.3016 k10 | 56.41331 44.95317 1.25 0.210 -31.69328 144.5199 k11 | -37.08876 39.41947 -0.94 0.347 -114.3495 40.17199 k12 | 81.40498 35.27153 2.31 0.021 12.27405 150.5359 k13 | 283.4619 59.41894 4.77 0.000 167.0029 399.9208 k14 | 90.2765 40.36359 2.24 0.025 11.16533 169.3877 k15 | 54.5461 30.39888 1.79 0.073 -5.034609 114.1268 k16 | -24.86241 52.59698 -0.47 0.636 -127.9506 78.22579 k17 | -36.37625 28.14499 -1.29 0.196 -91.53941 18.78691 89 k18 | -56.41628 38.1723 -1.48 0.139 -131.2326 18.40006 k19 | 74.46995 54.57993 1.36 0.172 -32.50474 181.4446 k20 | 52.34293 34.52356 1.52 0.129 -15.32201 120.0079 _cons | 360.1004 77.45208 4.65 0.000 208.2971 511.9037 -----------------------------------------------------------------------------. . *testes - EP* . . lincom q2i2 - 1 ( 1) q2i2 = 1 -----------------------------------------------------------------------------| Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------(1) | -.9236236 .0329856 -28.00 0.000 -.9882742 -.8589729 -----------------------------------------------------------------------------. . lincom _b[q2i2] + _b[q2_tcambio_i2]*3.14 - 1 ( 1) q2i2 + 3.14 q2_tcambio_i2 = 1 -----------------------------------------------------------------------------| Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------(1) | -1.007524 .0133036 -75.73 0.000 -1.033599 -.9814495 ------------------------------------------------------------------------------ *VR2* *demanda* . ivreg2 q (p pjmp = x1pi x2pi x3pi x4pi x6pi x7pi l.fuel l.maint l.rental l.charges avstl) pib2 k1-k20 if i3==1, gmm Warning - collinearities detected Vars dropped: k11 GMM estimation -------------- Total (centered) SS Total (uncentered) SS Residual SS = = = 1087742424 2424375306 262294777.6 Number of obs F( 22, 377) Prob > F Centered R2 Uncentered R2 Root MSE = = = = = = 400 66.92 0.0000 0.7589 0.8918 809.8 -----------------------------------------------------------------------------| Robust q | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------p | -6.246635 1.413511 -4.42 0.000 -9.017064 -3.476205 pjmp | 3.43831 .8236474 4.17 0.000 1.823991 5.052629 pib2 | 20.81173 6.71326 3.10 0.002 7.653986 33.96948 k1 | 1577.441 174.6675 9.03 0.000 1235.099 1919.783 k2 | 2368.741 681.7374 3.47 0.001 1032.56 3704.922 k3 | 4545.213 281.6269 16.14 0.000 3993.234 5097.192 k4 | 1888.42 405.9325 4.65 0.000 1092.807 2684.033 k5 | -282.7362 135.5476 -2.09 0.037 -548.4047 -17.06768 k6 | 1111.422 416.8329 2.67 0.008 294.4447 1928.4 k7 | 1537.769 164.7618 9.33 0.000 1214.842 1860.696 k8 | 4011.412 371.2868 10.80 0.000 3283.703 4739.121 k9 | 2640.525 326.9416 8.08 0.000 1999.731 3281.319 k10 | 1547.307 222.3628 6.96 0.000 1111.484 1983.13 k12 | 1747.44 334.8205 5.22 0.000 1091.204 2403.676 90 k13 | 1977.362 597.0868 3.31 0.001 807.093 3147.63 k14 | 1839.939 405.3399 4.54 0.000 1045.487 2634.39 k15 | 2834.185 314.8368 9.00 0.000 2217.116 3451.253 k16 | -147.7701 157.4609 -0.94 0.348 -456.3878 160.8476 k17 | 2033.336 230.0121 8.84 0.000 1582.521 2484.152 k18 | 136.1154 112.3399 1.21 0.226 -84.06683 356.2976 k19 | 1168.033 448.029 2.61 0.009 289.9126 2046.154 k20 | 1875.166 332.0923 5.65 0.000 1224.277 2526.054 _cons | -468.475 985.0171 -0.48 0.634 -2399.073 1462.123 -----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test): 89.381 Chi-sq(10) P-val = 0.0000 -----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments): 12.628 Chi-sq(9) P-val = 0.1802 -----------------------------------------------------------------------------Instrumented: p pjmp Included instruments: pib2 k1 k2 k3 k4 k5 k6 k7 k8 k9 k10 k12 k13 k14 k15 k16 k17 k18 k19 k20 Excluded instruments: x1pi x2pi x3pi x4pi x6pi x7pi L.fuel L.maint L.rental L.charges avstl Dropped collinear: k11 ------------------------------------------------------------------------------ *elasticidades* . sum elas_p_vr2 elas_pjmp_vr2 elas_pib_vr2 if i3==1 Variable | Obs Mean Std. Dev. Min Max -------------+-------------------------------------------------------elas_p_vr2 | 420 -8.0594 17.15606 -158.9539 -.2027472 elas_pjmp_~2 | 420 2.64754 5.006609 .0907233 41.60517 elas_pib_vr2 | 420 5.598815 10.31817 .3125646 83.87263 * relação de oferta* . ivreg2 p (q q_tcambio = pib2 wda wdc stpc web pkc) avt_ipca k1-k20 if i3==1, gmm Warning - collinearities detected Vars dropped: k2 GMM estimation -------------- Total (centered) SS Total (uncentered) SS Residual SS = = = 13235322.68 131707476.7 1497982.146 Number of obs F( 22, 397) Prob > F Centered R2 Uncentered R2 Root MSE = = = = = = 420 148.31 0.0000 0.8868 0.9886 59.72 -----------------------------------------------------------------------------| Robust p | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------q | .1214473 .0515279 2.36 0.018 .0204545 .2224401 q_tcambio | -.0428052 .0127418 -3.36 0.001 -.0677787 -.0178316 avt_ipca | .4943507 .0841519 5.87 0.000 .329416 .6592853 k1 | -337.9049 38.63238 -8.75 0.000 -413.6229 -262.1868 k3 | -309.0504 84.38011 -3.66 0.000 -474.4324 -143.6684 k4 | -184.884 29.27798 -6.31 0.000 -242.2678 -127.5002 k5 | -384.6722 30.96492 -12.42 0.000 -445.3623 -323.9821 k6 | -225.9941 29.04431 -7.78 0.000 -282.9199 -169.0683 k7 | -333.9181 36.66761 -9.11 0.000 -405.7853 -262.051 k8 | -317.0013 75.00768 -4.23 0.000 -464.0136 -169.9889 91 k9 | -226.5686 42.6166 -5.32 0.000 -310.0956 -143.0416 k10 | -343.8509 43.96478 -7.82 0.000 -430.0203 -257.6815 k11 | -381.302 33.00021 -11.55 0.000 -445.9813 -316.6228 k12 | -235.9569 29.54388 -7.99 0.000 -293.8619 -178.052 k13 | -70.81733 28.55944 -2.48 0.013 -126.7928 -14.84186 k14 | -180.0296 26.83066 -6.71 0.000 -232.6167 -127.4425 k15 | -232.0481 44.90528 -5.17 0.000 -320.0608 -144.0353 k16 | -361.3716 30.85153 -11.71 0.000 -421.8395 -300.9038 k17 | -325.9937 48.44439 -6.73 0.000 -420.943 -231.0445 k18 | -372.3216 33.09446 -11.25 0.000 -437.1855 -307.4576 k19 | -193.4496 29.42365 -6.57 0.000 -251.1189 -135.7803 k20 | -227.7993 30.46722 -7.48 0.000 -287.514 -168.0847 _cons | 657.3449 55.05366 11.94 0.000 549.4417 765.2481 -----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test): 15.041 Chi-sq(5) P-val = 0.0102 -----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments): 7.060 Chi-sq(4) P-val = 0.1327 -----------------------------------------------------------------------------Instrumented: q q_tcambio Included instruments: avt_ipca k1 k3 k4 k5 k6 k7 k8 k9 k10 k11 k12 k13 k14 k15 k16 k17 k18 k19 k20 Excluded instruments: pib2 wda wdc stpc web pkc Dropped collinear: k2 -----------------------------------------------------------------------------. . lincom q - 0 ( 1) q = 0 -----------------------------------------------------------------------------p | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------(1) | .1214473 .0515279 2.36 0.018 .0204545 .2224401 -----------------------------------------------------------------------------. . lincom _b[q] + _b[q_tcambio]*3.14 ( 1) q + 3.14 q_tcambio = 0 -----------------------------------------------------------------------------p | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------(1) | -.0129609 .0191584 -0.68 0.499 -.0505107 .0245889 -----------------------------------------------------------------------------. . * Tomador de preço com bootstrap* . . ivreg2 p (q1i3 q1_tcambio_i3 = pib2 wda wdc stpc web pkc) avt_ipca k1-k20 if i3==1, gmm Warning - collinearities detected Vars dropped: k2 GMM estimation -------------- Total (centered) SS Total (uncentered) SS Residual SS = = = 13235322.68 131707476.7 1497982.119 Number of obs F( 22, 397) Prob > F Centered R2 Uncentered R2 Root MSE = = = = = = 420 148.31 0.0000 0.8868 0.9886 59.72 ------------------------------------------------------------------------------ 92 | Robust p | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------q1i3 | .758637 .3218758 2.36 0.018 .127772 1.389502 q1_tcambio~3 | -.2673883 .0795936 -3.36 0.001 -.4233889 -.1113878 avt_ipca | .4943507 .0841519 5.87 0.000 .329416 .6592853 k1 | -337.9048 38.63238 -8.75 0.000 -413.6229 -262.1868 k3 | -309.0504 84.38011 -3.66 0.000 -474.4324 -143.6684 k4 | -184.884 29.27798 -6.31 0.000 -242.2678 -127.5002 k5 | -384.6722 30.96492 -12.42 0.000 -445.3624 -323.9821 k6 | -225.9941 29.04431 -7.78 0.000 -282.9199 -169.0683 k7 | -333.9181 36.66761 -9.11 0.000 -405.7853 -262.051 k8 | -317.0013 75.00768 -4.23 0.000 -464.0136 -169.9889 k9 | -226.5686 42.6166 -5.32 0.000 -310.0956 -143.0416 k10 | -343.8509 43.96478 -7.82 0.000 -430.0203 -257.6815 k11 | -381.302 33.00021 -11.55 0.000 -445.9813 -316.6228 k12 | -235.9569 29.54388 -7.99 0.000 -293.8619 -178.052 k13 | -70.81733 28.55944 -2.48 0.013 -126.7928 -14.84186 k14 | -180.0296 26.83066 -6.71 0.000 -232.6167 -127.4425 k15 | -232.0481 44.90528 -5.17 0.000 -320.0608 -144.0353 k16 | -361.3716 30.85152 -11.71 0.000 -421.8395 -300.9038 k17 | -325.9937 48.44439 -6.73 0.000 -420.943 -231.0445 k18 | -372.3216 33.09446 -11.25 0.000 -437.1855 -307.4576 k19 | -193.4496 29.42365 -6.57 0.000 -251.1189 -135.7803 k20 | -227.7993 30.46722 -7.48 0.000 -287.514 -168.0847 _cons | 657.3449 55.05366 11.94 0.000 549.4418 765.2481 -----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test): 15.041 Chi-sq(5) P-val = 0.0102 -----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments): 7.060 Chi-sq(4) P-val = 0.1327 -----------------------------------------------------------------------------Instrumented: q1i3 q1_tcambio_i3 Included instruments: avt_ipca k1 k3 k4 k5 k6 k7 k8 k9 k10 k11 k12 k13 k14 k15 k16 k17 k18 k19 k20 Excluded instruments: pib2 wda wdc stpc web pkc Dropped collinear: k2 ------------------------------------------------------------------------------ * Tomador de preço – com bootstrap * . . ereturn display -----------------------------------------------------------------------------| Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------q1i3 | .758637 .3892291 1.95 0.051 -.004238 1.521512 q1_tcambio~3 | -.2673883 .0991885 -2.70 0.007 -.4617942 -.0729824 avt_ipca | .4943507 .1044874 4.73 0.000 .2895592 .6991421 k2 | 337.9048 43.63613 7.74 0.000 252.3796 423.4301 k3 | 28.85443 62.13905 0.46 0.642 -92.93587 150.6447 k4 | 153.0209 36.0943 4.24 0.000 82.27733 223.7644 k5 | -46.76739 47.3503 -0.99 0.323 -139.5723 46.03749 k6 | 111.9107 50.90881 2.20 0.028 12.13131 211.6902 k7 | 3.986705 12.78834 0.31 0.755 -21.07797 29.05138 k8 | 20.90359 50.31171 0.42 0.678 -77.70555 119.5127 k9 | 111.3362 25.3034 4.40 0.000 61.74249 160.93 k10 | -5.94605 13.96906 -0.43 0.670 -33.3249 21.4328 k11 | -43.3972 36.39161 -1.19 0.233 -114.7234 27.92906 k12 | 101.9479 21.93889 4.65 0.000 58.94847 144.9473 k13 | 267.0875 41.53685 6.43 0.000 185.6768 348.4982 k14 | 157.8753 34.45942 4.58 0.000 90.33604 225.4145 k15 | 105.8568 25.70677 4.12 0.000 55.47243 156.2411 k16 | -23.46679 47.22278 -0.50 0.619 -116.0217 69.08816 k17 | 11.91112 18.55902 0.64 0.521 -24.46389 48.28613 k18 | -34.41675 36.98232 -0.93 0.352 -106.9008 38.06726 93 k19 | 144.4553 49.83634 2.90 0.004 46.77784 242.1327 k20 | 110.1055 21.23853 5.18 0.000 68.47874 151.7323 _cons | 319.4401 65.46322 4.88 0.000 191.1346 447.7457 -----------------------------------------------------------------------------. . *testes - TP* . . lincom q1i3 - 1 ( 1) q1i3 = 1 -----------------------------------------------------------------------------| Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------(1) | -.241363 .3892291 -0.62 0.535 -1.004238 .521512 -----------------------------------------------------------------------------. . lincom _b[q1i3] + _b[q1_tcambio_i3]*3.14 - 1 ( 1) q1i3 + 3.14 q1_tcambio_i3 = 1 -----------------------------------------------------------------------------| Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------(1) | -1.080962 .131272 -8.23 0.000 -1.338251 -.8236739 -----------------------------------------------------------------------------. . *Equiparador de preço* . . ivreg2 p (q2i3 q2_tcambio_i3 = pib2 wda wdc stpc web pkc) avt_ipca k1-k20 if i3==1, gmm Warning - collinearities detected Vars dropped: k3 GMM estimation -------------- Total (centered) SS Total (uncentered) SS Residual SS = = = 13235322.68 131707476.7 1497982.137 Number of obs F( 22, 397) Prob > F Centered R2 Uncentered R2 Root MSE = = = = = = 420 148.31 0.0000 0.8868 0.9886 59.72 -----------------------------------------------------------------------------| Robust p | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------q2i3 | .3410635 .144707 2.36 0.018 .057443 .624684 q2_tcambio~3 | -.1202108 .0357832 -3.36 0.001 -.1903446 -.050077 avt_ipca | .4943507 .0841519 5.87 0.000 .329416 .6592853 k1 | -28.85442 57.82252 -0.50 0.618 -142.1845 84.47564 k2 | 309.0504 84.38011 3.66 0.000 143.6685 474.4324 k4 | 124.1664 73.31918 1.69 0.090 -19.53652 267.8694 k5 | -75.6218 96.78296 -0.78 0.435 -265.3129 114.0693 k6 | 83.05632 96.07798 0.86 0.387 -105.2531 271.3657 k7 | -24.86772 58.81249 -0.42 0.672 -140.1381 90.40264 k8 | -7.950839 18.36065 -0.43 0.665 -43.93705 28.03537 k9 | 82.48182 48.29574 1.71 0.088 -12.1761 177.1397 k10 | -34.80047 50.49968 -0.69 0.491 -133.778 64.17708 k11 | -72.25161 87.23022 -0.83 0.408 -243.2197 98.71647 k12 | 73.09349 64.0273 1.14 0.254 -52.3977 198.5847 k13 | 238.2331 82.80678 2.88 0.004 75.93479 400.5314 k14 | 129.0208 77.94337 1.66 0.098 -23.74537 281.787 k15 | 77.00236 45.0236 1.71 0.087 -11.24227 165.247 94 k16 | -52.32121 97.23554 -0.54 0.591 -242.8994 138.2569 k17 | -16.9433 48.64215 -0.35 0.728 -112.2802 78.39356 k18 | -63.27117 87.79206 -0.72 0.471 -235.3404 108.7981 k19 | 115.6009 94.24364 1.23 0.220 -69.11329 300.315 k20 | 81.25108 64.19252 1.27 0.206 -44.56394 207.0661 _cons | 348.2945 111.376 3.13 0.002 130.0016 566.5875 -----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test): 15.041 Chi-sq(5) P-val = 0.0102 -----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments): 7.060 Chi-sq(4) P-val = 0.1327 -----------------------------------------------------------------------------Instrumented: q2i3 q2_tcambio_i3 Included instruments: avt_ipca k1 k2 k4 k5 k6 k7 k8 k9 k10 k11 k12 k13 k14 k15 k16 k17 k18 k19 k20 Excluded instruments: pib2 wda wdc stpc web pkc Dropped collinear: k3 ------------------------------------------------------------------------------ * Equiparador de preço – com bootstrap* . ereturn display -----------------------------------------------------------------------------| Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------q2i3 | .3410635 .1646596 2.07 0.038 .0183366 .6637904 q2_tcambio~3 | -.1202108 .0419432 -2.87 0.004 -.202418 -.0380037 avt_ipca | .4943507 .0953223 5.19 0.000 .3075224 .681179 k2 | 337.9049 41.46652 8.15 0.000 256.632 419.1777 k3 | 28.85442 59.19829 0.49 0.626 -87.17209 144.8809 k4 | 153.0209 32.64449 4.69 0.000 89.03883 217.0029 k5 | -46.76738 45.46094 -1.03 0.304 -135.8692 42.33443 k6 | 111.9107 46.8161 2.39 0.017 20.15287 203.6686 k7 | 3.986704 12.76717 0.31 0.755 -21.03648 29.00989 k8 | 20.90358 48.99434 0.43 0.670 -75.12355 116.9307 k9 | 111.3362 24.48345 4.55 0.000 63.34957 159.3229 k10 | -5.946049 14.14992 -0.42 0.674 -33.67939 21.78729 k11 | -43.39719 35.26643 -1.23 0.218 -112.5181 25.72374 k12 | 101.9479 21.09309 4.83 0.000 60.60622 143.2896 k13 | 267.0875 39.38107 6.78 0.000 189.902 344.273 k14 | 157.8753 33.19962 4.76 0.000 92.8052 222.9453 k15 | 105.8568 25.43462 4.16 0.000 56.00584 155.7077 k16 | -23.46679 44.93757 -0.52 0.602 -111.5428 64.60924 k17 | 11.91112 18.58724 0.64 0.522 -24.51921 48.34144 k18 | -34.41675 35.24394 -0.98 0.329 -103.4936 34.66011 k19 | 144.4553 47.44532 3.04 0.002 51.46416 237.4464 k20 | 110.1055 19.60275 5.62 0.000 71.68482 148.5262 _cons | 319.4401 61.21703 5.22 0.000 199.4569 439.4233 -----------------------------------------------------------------------------. *testes - EP* . . lincom q2i3 - 1 ( 1) q2i3 = 1 -----------------------------------------------------------------------------| Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------(1) | -.6589365 .1646596 -4.00 0.000 -.9816634 -.3362096 -----------------------------------------------------------------------------. . lincom _b[q2i3] + _b[q2_tcambio_i3]*3.14 -1 95 ( 1) q2i3 + 3.14 q2_tcambio_i3 = 1 -----------------------------------------------------------------------------| Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------(1) | -1.036399 .0557491 -18.59 0.000 -1.145665 -.9271323 *VSP* *demanda* . . ivreg2 q (p pjmp = x1pi x2pi x3pi x4pi i4==1, gmm Warning - collinearities detected Vars dropped: k11 x6pi x7pi l.tcambio) pib2 k1-k20 if GMM estimation -------------- Total (centered) SS Total (uncentered) SS Residual SS = = = 482460306.1 740058993.1 74306888.8 Number of obs F( 22, 377) Prob > F Centered R2 Uncentered R2 Root MSE = = = = = = 400 50.19 0.0000 0.8460 0.8996 431 -----------------------------------------------------------------------------| Robust q | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------p | -5.036756 1.949652 -2.58 0.010 -8.858003 -1.215509 pjmp | 7.186996 3.089432 2.33 0.020 1.131819 13.24217 pib2 | -13.64127 4.661728 -2.93 0.003 -22.77808 -4.504446 k1 | -218.0802 297.7261 -0.73 0.464 -801.6126 365.4523 k2 | -1173.764 697.1368 -1.68 0.092 -2540.127 192.5994 k3 | 3446.035 171.2075 20.13 0.000 3110.475 3781.596 k4 | -125.0147 333.9909 -0.37 0.708 -779.6249 529.5955 k5 | -43.27417 132.6883 -0.33 0.744 -303.3385 216.7902 k6 | -682.6292 410.3734 -1.66 0.096 -1486.946 121.6879 k7 | -295.1563 314.715 -0.94 0.348 -911.9863 321.6738 k8 | 3493.442 197.7865 17.66 0.000 3105.787 3881.096 k9 | 258.6639 313.3848 0.83 0.409 -355.559 872.8868 k10 | -458.3316 227.3383 -2.02 0.044 -903.9065 -12.75675 k12 | -527.0738 398.3071 -1.32 0.186 -1307.741 253.5937 k13 | -1006.585 633.7036 -1.59 0.112 -2248.621 235.4516 k14 | -272.8791 372.1954 -0.73 0.463 -1002.369 456.6105 k15 | 280.6651 301.9402 0.93 0.353 -311.1268 872.4571 k16 | 158.0433 135.2757 1.17 0.243 -107.0921 423.1787 k17 | -205.5486 136.9579 -1.50 0.133 -473.9811 62.88388 k18 | 85.93342 67.17991 1.28 0.201 -45.73678 217.6036 k19 | -704.0048 414.6024 -1.70 0.090 -1516.611 108.6011 k20 | -398.0095 367.2893 -1.08 0.279 -1117.883 321.8643 _cons | 1139.58 971.6336 1.17 0.241 -764.7867 3043.947 -----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test): 12.584 Chi-sq(6) P-val = 0.0501 -----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments): 5.735 Chi-sq(5) P-val = 0.3329 -----------------------------------------------------------------------------Instrumented: p pjmp Included instruments: pib2 k1 k2 k3 k4 k5 k6 k7 k8 k9 k10 k12 k13 k14 k15 k16 k17 k18 k19 k20 Excluded instruments: x1pi x2pi x3pi x4pi x6pi x7pi L.tcambio Dropped collinear: k11 -----------------------------------------------------------------------------*elasticidade* 96 . sum elas_p_vsp elas_pjmp_vsp elas_pib_vsp if i4==1 Variable | Obs Mean Std. Dev. Min Max -------------+-------------------------------------------------------elas_p_vsp | 420 -6.737719 8.17337 -97.82816 -.1716738 elas_pjmp_~p | 420 10.63818 11.21166 .4068296 113.0113 elas_pib_vsp | 420 -5.995746 7.895636 -85.32937 -.2676533 *relação de oferta* . ivreg2 p (q q_tcambio = pib2 wea web wdb Warning - collinearities detected Vars dropped: wdb k6 pkc ) avt_ipca k1-k20 if i4==1, gmm GMM estimation -------------- Total (centered) SS Total (uncentered) SS Residual SS = = = 8991831.607 79120747.48 1189613.503 Number of obs F( 22, 397) Prob > F Centered R2 Uncentered R2 Root MSE = = = = = = 420 129.81 0.0000 0.8677 0.9850 53.22 -----------------------------------------------------------------------------| Robust p | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------q | -.1669506 .1941724 -0.86 0.390 -.5475215 .2136203 q_tcambio | .0328501 .0487167 0.67 0.500 -.0626328 .1283331 avt_ipca | .2483684 .0681516 3.64 0.000 .1147937 .3819432 k1 | -101.0332 21.10783 -4.79 0.000 -142.4038 -59.66259 k2 | 249.1585 21.91387 11.37 0.000 206.2081 292.1089 k3 | 154.5387 123.8881 1.25 0.212 -88.27761 397.355 k4 | 136.1078 20.09221 6.77 0.000 96.72781 175.4878 k5 | -38.66074 26.82557 -1.44 0.150 -91.2379 13.91642 k7 | -102.1232 21.25069 -4.81 0.000 -143.7738 -60.47266 k8 | 150.587 127.0787 1.18 0.236 -98.48269 399.6568 k9 | 128.763 25.21606 5.11 0.000 79.34044 178.1856 k10 | -83.13022 35.09437 -2.37 0.018 -151.9139 -14.34653 k11 | -61.59268 32.82044 -1.88 0.061 -125.9196 2.734213 k12 | 21.3048 20.43868 1.04 0.297 -18.75428 61.36389 k13 | 236.0121 20.84192 11.32 0.000 195.1627 276.8616 k14 | 128.7137 20.6264 6.24 0.000 88.28671 169.1407 k15 | 129.358 26.43327 4.89 0.000 77.54974 181.1662 k16 | -27.28933 27.51681 -0.99 0.321 -81.22128 26.64262 k17 | -82.46237 34.82308 -2.37 0.018 -150.7144 -14.21039 k18 | -61.13584 33.46499 -1.83 0.068 -126.726 4.454338 k19 | -.1362645 17.0771 -0.01 0.994 -33.60677 33.33424 k20 | 24.33289 19.87334 1.22 0.221 -14.61814 63.28392 _cons | 332.6086 51.75238 6.43 0.000 231.1758 434.0414 -----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test): 8.260 Chi-sq(3) P-val = 0.0409 -----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments): 1.183 Chi-sq(2) P-val = 0.5536 -----------------------------------------------------------------------------Instrumented: q q_tcambio Included instruments: avt_ipca k1 k2 k3 k4 k5 k7 k8 k9 k10 k11 k12 k13 k14 k15 k16 k17 k18 k19 k20 Excluded instruments: pib2 wea web pkc Dropped collinear: wdb k6 -----------------------------------------------------------------------------. 97 . lincom q - 0 ( 1) q = 0 -----------------------------------------------------------------------------p | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------(1) | -.1669506 .1941724 -0.86 0.390 -.5475215 .2136203 -----------------------------------------------------------------------------. . lincom _b[q] + _b[q_tcambio]*3.14 ( 1) q + 3.14 q_tcambio = 0 -----------------------------------------------------------------------------p | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------(1) | -.0638012 .0425602 -1.50 0.134 -.1472177 .0196153 ------------------------------------------------------------------------------ * Tomador de preço* . . ivreg2 p (q1i4 q1_tcambio_i4 = pib2 wea web wdb pkc) avt_ipca k1-k20 if i4==1, gmm Warning - collinearities detected Vars dropped: wdb k6 GMM estimation -------------- Total (centered) SS Total (uncentered) SS Residual SS = = = 8991831.607 79120747.48 1281532.295 Number of obs F( 22, 397) Prob > F Centered R2 Uncentered R2 Root MSE = = = = = = 420 107.49 0.0000 0.8575 0.9838 55.24 -----------------------------------------------------------------------------| Robust p | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------q1i4 | 1.676627 1.980454 0.85 0.397 -2.204991 5.558245 q1_tcambio~4 | 1.006881 1.333714 0.75 0.450 -1.607151 3.620913 avt_ipca | .2397251 .0760563 3.15 0.002 .0906575 .3887926 k1 | -86.98558 24.95479 -3.49 0.000 -135.8961 -38.07508 k2 | 251.6444 21.15673 11.89 0.000 210.178 293.1109 k3 | 327.3386 336.9724 0.97 0.331 -333.1152 987.7925 k4 | 149.4409 31.92658 4.68 0.000 86.86592 212.0158 k5 | -48.50824 35.7911 -1.36 0.175 -118.6575 21.64103 k7 | -87.77428 25.5592 -3.43 0.001 -137.8694 -37.67918 k8 | 320.8496 340.6292 0.94 0.346 -346.7714 988.4705 k9 | 163.6611 63.92862 2.56 0.010 38.36329 288.9589 k10 | -90.98721 41.11683 -2.21 0.027 -171.5747 -10.3997 k11 | -72.49352 42.56137 -1.70 0.089 -155.9123 10.92524 k12 | 28.47082 20.29576 1.40 0.161 -11.30815 68.24979 k13 | 238.0942 19.80316 12.02 0.000 199.2807 276.9077 k14 | 139.7231 29.76233 4.69 0.000 81.38997 198.0562 k15 | 163.5037 63.57553 2.57 0.010 38.8979 288.1094 k16 | -37.85006 36.14446 -1.05 0.295 -108.6919 32.99177 k17 | -89.7499 41.17971 -2.18 0.029 -170.4607 -9.039146 k18 | -70.29011 41.13858 -1.71 0.088 -150.9203 10.34003 k19 | -1.367191 15.94222 -0.09 0.932 -32.61337 29.87899 k20 | 34.31211 21.72981 1.58 0.114 -8.277548 76.90176 _cons | 354.802 74.78594 4.74 0.000 208.2242 501.3797 -----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test): 2.697 98 Chi-sq(3) P-val = 0.4407 -----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments): 0.898 Chi-sq(2) P-val = 0.6383 -----------------------------------------------------------------------------Instrumented: q1i4 q1_tcambio_i4 Included instruments: avt_ipca k1 k2 k3 k4 k5 k7 k8 k9 k10 k11 k12 k13 k14 k15 k16 k17 k18 k19 k20 Excluded instruments: pib2 wea web pkc Dropped collinear: wdb k6 ------------------------------------------------------------------------------ *Tomador de preço – com bootstrap* . ereturn display -----------------------------------------------------------------------------| Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------q1i4 | 1.676627 2.718184 0.62 0.537 -3.650917 7.00417 q1_tcambio~4 | 1.006881 1.83866 0.55 0.584 -2.596826 4.610589 avt_ipca | .2397251 .0996654 2.41 0.016 .0443844 .4350657 k2 | 338.63 29.87436 11.34 0.000 280.0773 397.1827 k3 | 414.3242 442.9113 0.94 0.350 -453.7659 1282.414 k4 | 236.4265 29.81934 7.93 0.000 177.9816 294.8713 k5 | 38.47734 62.52921 0.62 0.538 -84.07766 161.0323 k6 | 86.98558 29.95066 2.90 0.004 28.28336 145.6878 k7 | -.7887024 16.95841 -0.05 0.963 -34.02657 32.44917 k8 | 407.8352 449.3894 0.91 0.364 -472.9519 1288.622 k9 | 250.6467 70.79206 3.54 0.000 111.8968 389.3966 k10 | -4.001631 66.54161 -0.06 0.952 -134.4208 126.4175 k11 | 14.49206 70.21329 0.21 0.836 -123.1235 152.1076 k12 | 115.4564 21.28774 5.42 0.000 73.73319 157.1796 k13 | 325.0798 31.94598 10.18 0.000 262.4668 387.6928 k14 | 226.7086 26.52398 8.55 0.000 174.7226 278.6947 k15 | 250.4892 66.41338 3.77 0.000 120.3214 380.6571 k16 | 49.13551 62.60964 0.78 0.433 -73.57712 171.8482 k17 | -2.764328 65.75446 -0.04 0.966 -131.6407 126.112 k18 | 16.69546 66.89086 0.25 0.803 -114.4082 147.7991 k19 | 85.61838 31.60186 2.71 0.007 23.67988 147.5569 k20 | 121.2977 19.05522 6.37 0.000 83.95013 158.6452 _cons | 267.8164 114.1875 2.35 0.019 44.0131 491.6197 -----------------------------------------------------------------------------. . *testes - TP* . . lincom q1i4 - 1 ( 1) q1i4 = 1 -----------------------------------------------------------------------------| Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------(1) | .6766268 2.718184 0.25 0.803 -4.650917 6.00417 -----------------------------------------------------------------------------. . lincom _b[q1i4] + _b[q1_tcambio_i4]*3.14 - 1 ( 1) q1i4 + 3.14 q1_tcambio_i4 = 1 -----------------------------------------------------------------------------| Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------(1) | 3.838233 8.490831 0.45 0.651 -12.80349 20.47996 ------------------------------------------------------------------------------ 99 . . *Equiparador de preço* . . ivreg2 p (q2i4 q2_tcambio_i4 = pib2 wea web wdb pkc) avt_ipca k1-k20 if i4==1, gmm Warning - collinearities detected Vars dropped: wdb k6 GMM estimation -------------- Total (centered) SS Total (uncentered) SS Residual SS = = = 8991831.607 79120747.48 1189613.531 Number of obs F( 22, 397) Prob > F Centered R2 Uncentered R2 Root MSE = = = = = = 420 129.81 0.0000 0.8677 0.9850 53.22 -----------------------------------------------------------------------------| Robust p | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------q2i4 | -1.199874 1.395517 -0.86 0.390 -3.935037 1.535288 q2_tcambio~4 | .0416976 .0618375 0.67 0.500 -.0795016 .1628969 avt_ipca | .2483684 .0681516 3.64 0.000 .1147936 .3819431 k1 | -101.0332 21.10783 -4.79 0.000 -142.4038 -59.66259 k2 | 249.1585 21.91387 11.37 0.000 206.2081 292.1089 k3 | 154.5388 123.8882 1.25 0.212 -88.27758 397.3551 k4 | 136.1078 20.09221 6.77 0.000 96.72781 175.4878 k5 | -38.66075 26.82558 -1.44 0.150 -91.23791 13.91641 k7 | -102.1232 21.25068 -4.81 0.000 -143.7738 -60.47267 k8 | 150.5871 127.0788 1.18 0.236 -98.48268 399.6569 k9 | 128.763 25.21607 5.11 0.000 79.34044 178.1856 k10 | -83.13024 35.09437 -2.37 0.018 -151.9139 -14.34654 k11 | -61.59269 32.82045 -1.88 0.061 -125.9196 2.734203 k12 | 21.3048 20.43868 1.04 0.297 -18.75428 61.36388 k13 | 236.0121 20.84192 11.32 0.000 195.1627 276.8616 k14 | 128.7137 20.6264 6.24 0.000 88.28672 169.1407 k15 | 129.358 26.43327 4.89 0.000 77.54975 181.1663 k16 | -27.28934 27.51681 -0.99 0.321 -81.22129 26.64262 k17 | -82.46239 34.82309 -2.37 0.018 -150.7144 -14.2104 k18 | -61.13585 33.46499 -1.83 0.068 -126.726 4.454328 k19 | -.1362674 17.0771 -0.01 0.994 -33.60677 33.33423 k20 | 24.33289 19.87334 1.22 0.221 -14.61814 63.28392 _cons | 332.6086 51.75239 6.43 0.000 231.1758 434.0415 -----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test): 8.260 Chi-sq(3) P-val = 0.0409 -----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments): 1.183 Chi-sq(2) P-val = 0.5536 -----------------------------------------------------------------------------Instrumented: q2i4 q2_tcambio_i4 Included instruments: avt_ipca k1 k2 k3 k4 k5 k7 k8 k9 k10 k11 k12 k13 k14 k15 k16 k17 k18 k19 k20 Excluded instruments: pib2 wea web pkc Dropped collinear: wdb k6 ------------------------------------------------------------------------------ *Equiparador de preço – com bootstrap* . . ereturn display -----------------------------------------------------------------------------| Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------q2i4 | -1.199874 1.901843 -0.63 0.528 -4.927418 2.527669 100 q2_tcambio~4 | .0416976 .0852705 0.49 0.625 -.1254295 .2088248 avt_ipca | .2483684 .0862349 2.88 0.004 .0793512 .4173856 k2 | 350.1917 22.61498 15.48 0.000 305.8672 394.5163 k3 | 255.5719 164.7604 1.55 0.121 -67.35246 578.4964 k4 | 237.141 28.7888 8.24 0.000 180.716 293.566 k5 | 62.37243 24.03856 2.59 0.009 15.25772 109.4871 k6 | 101.0332 23.32103 4.33 0.000 55.32481 146.7416 k7 | -1.090059 12.99764 -0.08 0.933 -26.56496 24.38485 k8 | 251.6203 176.4503 1.43 0.154 -94.21585 597.4565 k9 | 229.7962 34.01897 6.75 0.000 163.1203 296.4722 k10 | 17.90294 31.88664 0.56 0.574 -44.59372 80.39961 k11 | 39.44049 29.71446 1.33 0.184 -18.79878 97.67976 k12 | 122.338 17.6394 6.94 0.000 87.76539 156.9106 k13 | 337.0453 21.843 15.43 0.000 294.2338 379.8568 k14 | 229.7469 28.07168 8.18 0.000 174.7274 284.7664 k15 | 230.3912 35.07669 6.57 0.000 161.6422 299.1402 k16 | 73.74384 26.04494 2.83 0.005 22.6967 124.791 k17 | 18.5708 31.54289 0.59 0.556 -43.25213 80.39372 k18 | 39.89733 30.06531 1.33 0.185 -19.0296 98.82426 k19 | 100.8969 24.20422 4.17 0.000 53.45752 148.3363 k20 | 125.3661 16.73271 7.49 0.000 92.57057 158.1616 _cons | 231.5755 54.29937 4.26 0.000 125.1507 338.0003 -----------------------------------------------------------------------------. . *testes - EP* . . lincom q2i4 - 1 ( 1) q2i4 = 1 -----------------------------------------------------------------------------| Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------(1) | -2.199874 1.901843 -1.16 0.247 -5.927418 1.527669 -----------------------------------------------------------------------------. . lincom _b[q2i4] + _b[q2_tcambio_i4]*3.14 - 1 ( 1) q2i4 + 3.14 q2_tcambio_i4 = 1 -----------------------------------------------------------------------------| Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------(1) | -2.068944 1.634575 -1.27 0.206 -5.272653 1.134765 ------------------------------------------------------------------------------ 101 FOLHA DE REGISTRO DO DOCUMENTO 1. CLASSIFICAÇÃO/TIPO TM 5. 2. DATA 3. DOCUMENTO N° 4. 18 de Janeiro de 2007 CTA/ITA-IEI/TM-012/2007 N° DE PÁGINAS 101 TÍTULO E SUBTÍTULO: Estudo empírico da conduta competitiva das Companhias Aéreas Brasileiras 6. AUTOR(ES): Débora Lovadine 7. INSTITUIÇÃO(ÕES)/ÓRGÃO(S) INTERNO(S)/DIVISÃO(ÕES): Instituto Tecnológico de Aeronáutica. Divisão de Engenharia de Infra-Estrutura Aeronáutica – ITA/IEI 8. PALAVRAS-CHAVE SUGERIDAS PELO AUTOR: Transporte Aéreo, Conduta Competitiva, Antitruste, Organização Industrial 9.PALAVRAS-CHAVE RESULTANTES DE INDEXAÇÃO: Transporte aéreo comercial; Competição; Mercado; Organização industrial; Operação de linhas aéreas; Transportes; Economia. 10. X Nacional APRESENTAÇÃO: Internacional ITA, São José dos Campos, 2006, 101 páginas 11. RESUMO: O objetivo da presente pesquisa é estudar a conduta competitiva das companhias aéreas brasileiras nas principais ligações do país, utilizando modelagem teórica e estimação paramétrica. A metodologia consiste no desenvolvimento de um modelo empírico de oferta e demanda que permita a estimação de um parâmetro indicativo da conduta das firmas; se cooperativa (com racionalidade de cartel), ou não-cooperativa (competitiva). Com essa abordagem metodológica, desenvolvida dentro da Nova Organização Industrial Empírica, é possível averiguar se houve alterações no comportamento das firmas nesse mercado e consequentemente no exercício do poder de mercado, seja por conseqüência de acordos de compartilhamento de aeronaves (ex. code-share Varig - Tam), seja por causa de alianças comerciais diversas, explícitas ou tácitas e até por mudanças conjunturais (ex. desvalorização cambial). Busca-se também, incorporar um maior refinamento ao modelo através do método de reamostragem chamado Bootstrap. Através dele, é possível computar medidas mais precisas para estatísticas (ex. desvio-padrão) utilizadas na realização de testes de hipótese para a conduta. Os resultados indicaram a não rejeição de conduta competitiva entre as firmas, ou seja, não há indícios de cooperação (com racionalidade de cartel) entre as empresas do setor nas rotas estudadas. A desvalorização cambial não se configurou como um fator de redução da competição; pelo contrário, intensificou a conduta competitiva das firmas. 12. GRAU DE SIGILO: (X ) OSTENSIVO ( ) RESERVADO ( ) CONFIDENCIAL ( ) SECRETO